Stedin | Meterstanden opnemen
1. Introductie van de klant Wie is de klant? Stedin is een van de grootste regionale netbeheerders van Nederland en verantwoordelijk voor de aanleg, het onderhoud en het beheer van het elektriciteits- en gasnet in een groot deel van de Randstad en daarbuiten.
door Shane Remmerswaal
Business Developer
1. Introductie van de klant
Wie is de klant?
Stedin is een van de grootste regionale netbeheerders van Nederland en verantwoordelijk voor de aanleg, het onderhoud en het beheer van het elektriciteits- en gasnet in een groot deel van de Randstad en daarbuiten. Vanuit hun maatschappelijke rol zorgen ze ervoor dat miljoenen huishoudens en bedrijven dagelijks toegang hebben tot betrouwbare energie.
Waarom kwam Stedin naar Clockworks?
Het aflezen van conventionele meters werd steeds meer een knelpunt. Stedin wilde een manier vinden om dit proces slimmer, betrouwbaarder en klantvriendelijker te maken, zodat dure en tijdrovende huisbezoeken door monteurs verleden tijd zouden worden.
2.De Uitdaging
Voor Stedin lag de grootste uitdaging in het feit dat zowel klanten als monteurs te veel tijd kwijt waren aan administratieve taken, zoals het invullen van formulieren of het plannen van huisbezoeken om meterstanden op te nemen. Dit zorgde niet alleen voor frustratie, maar ook voor een inefficiënt proces dat foutgevoelig was en onnodig veel middelen vergde.
De situatie werd versterkt door de grootschalige uitrol van slimme meters. Hoewel een groot deel van de huishoudens inmiddels digitaal wordt uitgelezen, bleef er nog altijd een aanzienlijke groep conventionele meters over die handmatig moest worden geregistreerd. Het uitlezen daarvan werd steeds meer een knelpunt, zeker gezien de toenemende schaarste aan technisch personeel. Het inzetten van monteurs voor dit soort basistaken was onrendabel, juist omdat hun kennis en vaardigheden hard nodig zijn bij de complexe vraagstukken van de energietransitie.
Voor Stedin was het daarom essentieel om een efficiënter alternatief te vinden. Het verzamelen van betrouwbare meterstanden moest eenvoudiger, sneller en met minder belasting voor zowel de klant als de monteur. Alleen zo kon het proces toekomstbestendig worden ingericht en bleef er meer capaciteit over voor de technische uitdagingen die voor de organisatie écht het verschil maken.
3. Oplossing & Aanpak
Welke AI-oplossing hebben we voorgesteld?
De oplossing kwam in de vorm van Blicker, een technologie die meterstanden vastlegt met slechts een foto van de meter. Waar het gebruikelijk zou zijn om het formulier “slimmer” te maken, koos Stedin samen met Clockworks voor een radicaal andere aanpak: het formulier werd helemaal afgeschaft. Een simpele foto, verwerkt door kunstmatige intelligentie, bleek genoeg om nauwkeurige data te verzamelen.
Hoe is het idee tot stand gekomen?
Bij de transitie van conventionele meter naar ‘slimme-meter’ werd bij het overnemen van de “oude” meterstand, een foto gemaakt van de conventionele meter. Deze foto diende als bewijsvoering dat de monteur zijn of haar werk goed had uitgevoerd. Dit proces was de basis voor de creatie van Blicker.
Welke technologie of methodiek?
De technologie achter Blicker is gebaseerd op geavanceerde computer vision en AI. In plaats van traditionele OCR, dat in de praktijk vaak tekortschiet bij slechte belichting of vervuilde meters, ontwikkelde Clockworks een eigen algoritme dat robuust presteert onder realistische omstandigheden. De API is bovendien geïntegreerd in de bestaande webapplicatie van Stedin, zodat klanten geen extra stappen hoeven te zetten.
4. Implementatie
Hoe is het aangepakt?
De implementatie begon met een proof-of-concept, waarin werd getest of de technologie in de praktijk net zo goed werkte als in de theorie. Dit gebeurde direct bij eindgebruikers, zodat de feedback van klanten en monteurs kon worden meegenomen in de verdere doorontwikkeling. De resultaten waren overtuigend, waarna de oplossing werd opgeschaald en volledig geïntegreerd in de mobiele webapplicatie van Stedin.
Het proces verliep als volgt:
- App/portal: knop “foto nemen” →
- Foto naar Blicker API →
- Direct meterstandsresultaat →
- Gebruiker verifieert of maakt opnieuw foto indien onzeker →
- Na akkoord werd data doorgestuurd naar backoffice (blicker.ai).
Hoe verliep de samenwerking tussen Stedin en Clockworks?
De samenwerking tussen Stedin en Clockworks kenmerkte zich door co-creatie. Stedin bracht de praktijkervaring en klantbehoeften in, terwijl Clockworks verantwoordelijk was voor het ontwerp, de bouw en de technologische verfijning van de AI-oplossing. Een belangrijke uitdaging tijdens de uitvoering was dat bestaande OCR-oplossingen onvoldoende nauwkeurig bleken in de variabele omstandigheden waarin meters worden gefotografeerd. Dit probleem werd opgelost door eigen computer vision-modellen te ontwikkelen die betrouwbaar en schaalbaar zijn.
Zo ontstond een oplossing die niet alleen technisch innovatief is, maar ook direct aansluit op de praktijk van Stedin en haar klanten.
5. Resultaten & Impact
De resultaten van de samenwerking zijn indrukwekkend en direct meetbaar. Dankzij Blicker wist Stedin het aantal huisbezoeken door meteropnemers met maar liefst 70% te reduceren. Voor elke vermeden huisbeurt werd bovendien een besparing van €10 gerealiseerd. Dit leidde tot een totale besparing van meer dan 70% op de operationele kosten voor het verzamelen van meterstanden.
Ook de klanttevredenheid steeg significant. Uit feedback in de vorm van ‘duimen omhoog’ bleek een toename van 85%. Klanten waardeerden vooral de eenvoud van de nieuwe aanpak: het proces voelt natuurlijk en laagdrempelig aan, zonder formulieren of ingewikkelde stappen.
Arnold van der Bie, Chief Data Officer bij Stedin, verwoordde het treffend:
“Voor Stedin is dit een geweldig alternatief voor kostbare en tijdrovende huisbezoeken door monteurs. Het stelt ons in staat deze specialisten vrij te maken voor de echte technische uitdagingen van de energietransitie.”
6. Learnings & Toekomst
De samenwerking met Stedin liet zien dat co-creatie met klanten vanaf het begin van het traject essentieel is. Door samen te werken aan een proof-of-concept en snel feedback te verwerken, ontstond een oplossing die zowel technisch robuust als gebruiksvriendelijk is. Daarnaast bleek dat het ontwikkelen van eigen AI-modellen noodzakelijk was om de kwaliteit en betrouwbaarheid te garanderen.
Voor de toekomst is de oplossing eenvoudig schaalbaar. Het systeem kan naast elektriciteitsmeters ook worden ingezet voor gas- en watermeters en in andere markten en landen worden uitgerold. Blicker is bovendien beschikbaar via de Microsoft Azure Marketplace, waardoor organisaties snel en eenvoudig met de technologie kunnen starten. Daarmee is de impact van deze innovatie niet beperkt tot Stedin, maar kan het ook andere netbeheerders en nutsbedrijven inspireren en ondersteunen in hun digitale transformatie.
Benieuwd wat Clockworks (en/of Blicker) voor jouw organisatie kan betekenen?
Neem contact met ons op, of vul ons contactformulier in.
BrabantWater | Asset herkenning
door Alexander Kern
AI Solutions Engineer
1. Introductie van de klant Wie is de klant? Brabant Water is verantwoordelijk voor de drinkwatervoorziening in de provincie Noord-Brabant. Met meer dan 2,5 miljoen inwoners en duizenden kilometers aan leidingen zorgt het bedrijf dagelijks voor betrouwbaar en veilig drinkwater. Om die rol duurzaam te kunnen vervullen, is goed inzicht in de eigen infrastructuur essentieel. Waarom kwam BrabantWater naar Clockworks? BrabantWater was al een vertrouwde klant van ons product Blicker (lees: Stedin | Meterstanden Openemen). Toen BrabantWater ontdekte dat onvoldoende overzicht van hoofdkranen in het netwerk leidde tot hogere kosten, inefficiënt onderhoud en onverwachte storingen, kwamen zij met een vraag voor hulp. Tezamen zijn we op zoek gegaan naar een slimmere manier om grip te krijgen op deze cruciale onderdelen van hun netwerk. 2. Uitdaging Hoofdkranen zijn essentiële assets binnen de drinkwaterinfrastructuur. Ze maken het mogelijk om delen van het netwerk af te sluiten bij storingen of onderhoud. Zonder actueel overzicht ontstaat er echter een groot risico: monteurs kunnen langer bezig zijn met het vinden van de juiste afsluiter, storingen duren langer voort en de onderhoudsplanning wordt omslachtig en kostbaar. Voor Brabant Water betekende dit niet alleen een operationele uitdaging, maar ook een risico voor de continuïteit van de dienstverlening. Het ontbreken van betrouwbare data bemoeilijkte besluitvorming, vergrootte de kans op onverwachte storingen en leidde tot onnodige kosten. 3. Oplossing & Aanpak Welke AI-oplossing hebben we voorgesteld? Binnen een aantal weken werd een AI-oplossing uitgewerkt die hoofdkranen automatisch detecteert en classificeert op basis van foto’s. Daarbij was het interessant om gebruik te maken van slim van de bestaande processen; namelijk Blicker, de applicatie waarmee meterstanden via foto’s worden uitgelezen. In veel gevallen was er op de door de consument ingestuurde foto namelijk al een hoofdkraan in beeld. Hoe is dit idee tot stand gekomen? Door de bestaande beelddata van meteropnames te hergebruiken en te combineren met onze ervaring in het ontwikkelen van schaalbare AI-infrastructuren, ontstond een kostenefficiënte oplossing die direct in het operationele proces kon worden geïntegreerd. Zo werd er niet alleen een nieuw probleem opgelost, maar ook extra waarde gehaald uit reeds verzamelde data. 4. Implementatie Hoe is het aangepakt? De aanpak bestond uit meerdere stappen: het analyseren van bestaande foto’s uit het Blicker-proces; het trainen van AI-modellen om hoofdkranen te herkennen en te classificeren; het integreren van de oplossing in de operationele omgeving van Brabant Water. Hoe verliep de samenwerking tussen BrabantWater en Clockworks? De samenwerking verliep intensief: Brabant Water bracht de domeinkennis in, terwijl wij de technologische expertise leverde. Dankzij deze co-creatie kon de oplossing snel en effectief worden uitgerold, naast het feit dat we al een goede relatie hadden opgebouwd met hen. 5. Resultaten & Impact De resultaten zijn concreet en indrukwekkend: 639.000+ kraanaansluitingen in kaart gebracht. 60.000+ storingsgevoelige kranen gedetecteerd. 290.000+ adressen verrijkt met accurate asset data. 95% nauwkeurigheid bij detectie en classificatie. Het effect voor Brabant Water is duidelijk merkbaar: beter assetmanagement, meer grip op de onderhoudsplanning en een flinke stap richting kostenbesparing en hogere klanttevredenheid. 6. Learnings & Toekomst De case toont aan hoe krachtig het kan zijn om bestaande data opnieuw te benutten. Door beelddata uit het meteropnameproces slim te hergebruiken, kreeg Brabant Water ineens veel meer inzicht in hun netwerk zonder dat dit een aparte, kostbare inventarisatie vereiste. Voor de toekomst biedt deze aanpak kansen om nog meer soorten assets te detecteren en classificeren, waardoor het assetmanagement van Brabant Water steeds rijker en slimmer wordt. Ook voor andere nutsbedrijven laat dit project zien hoe AI bestaande processen kan versterken en schaalbaar kan worden ingezet. Benieuwd hoe Clockworks met AI ook jouw infrastructuur slimmer kan maken? Ontdek de mogelijkheden van slimme dataherkenning in jouw organisatie en neem contact met ons op.
Lees meerNVWA | Slimme biociden inspectie
door Rob Weber
Senior Software Engineer
1. Introductie van de klant Wie is de klant? De Nederlandse Voedsel- en Warenautoriteit (NVWA) is verantwoordelijk voor toezicht op producten, processen en stoffen in Nederland, onder andere gewasbeschermingsmiddelen. Inspecteurs van de NVWA zorgen dat producten voldoen aan regelgeving en normen. Een belangrijk onderdeel van hun werk is controleren of het toelatingsnummer op etiketten van gewasbeschermingsmiddelen klopt volgens officiële registraties, zoals bij het CTGB (College voor toelating van gewasbeschermingsmiddelen en biociden). Waarom kwam de NVWA naar Clockworks? Tot voor kort moesten inspecteurs elk etiket handmatig lezen, het toelatingsnummer opschrijven, en dat nummer handmatig opzoeken in de CTGB-database. Dat is tijdrovend, foutgevoelig en omslachtig. De NVWA wilde dat het inspectieproces sneller, betrouwbaarder en gebruiksvriendelijker werd. Kortom: minder handwerk, meer zekerheid. 2. Uitdaging Inspecteurs van de NVWA lopen dagelijks tegen praktische inefficiënties aan. Elke inspectieronde begint met het zorgvuldig lezen van etiketten, het noteren van toelatingsnummers, en vervolgens het verifiëren daarvan in een externe database. Dat proces is niet alleen gevoelig voor menselijke fouten (bijv. bij het aflezen van kleine letters of ingewikkelde lay-outs), maar ook kost veel tijd in het veld, wat de productiviteit beperkt. Daarnaast speelt het belang van snelheid: hoe sneller een inspecteur weet of een middel géén geldig toelatingsnummer heeft, hoe eerder kan worden gehandeld. De NVWA wilde daarom een werkmethode die het proces vereenvoudigt én betrouwbaarder maakt — zonder extra administratieve stappen of complexe hulpmiddelen. 3. Oplossing / Aanpak Welke AI-oplossing hebben we voorgesteld? Clockworks stelde een slimme app voor waarin inspecteurs met hun telefoon een foto maken van het etiket van een gewasbeschermingsmiddel. De app gebruikt Vision AI om automatisch het toelatingsnummer uit de foto te lezen en vergelijkt het onmiddellijk met de officiële CTGB-database om te controleren of het middel is toegestaan. Handmatige invoer van het nummer is niet meer nodig. Hoe is het idee tot stand gekomen? Het idee kwam voort uit de praktijk van NVWA-inspecteurs. De dagelijkse routine toonde aan dat de bestaande methode — etiket aflezen, opschrijven, later checken — vaak inefficiënt was, tijd sloopte en fouten veroorzaakte. In samenwerking met Clockworks is daarom gekeken naar Vision AI als manier om die routine stap te automatiseren en te ondersteunen. De app is in nauwe afstemming ontworpen, met input van inspecteurs over wat handig werkt in het veld. Welke technologie of methodiek? Gebruik van computer vision / Vision AI om tekst (toelatingsnummer) vanaf een foto te herkennen. Koppeling met de CTGB-database voor realtime verificatie. Mobiele applicatie of app-feature (veldwerk) met intuïtieve UI/UX, afgestemd op de omstandigheden in het veld (licht, hoek, snelheid). Pilotfase om te testen of de AI in realistische omstandigheden voldoende betrouwbaar werkt, vóór uitrol. 4. Implementatie Hoe is het aangepakt? Er is gestart met een pilotversie van de app. In deze versie konden inspecteurs in het veld de app uitproberen: foto maken, nummer automatisch laten lezen, en direct checken in de database. Feedback vanuit deze pilot is gebruikt om gebruiksgemak, nauwkeurigheid en snelheid te verbeteren. Proces: Ontwerp en ontwikkeling van de app in nauwe samenwerking met NVWA. Implementatie van Vision AI component om toelatingsnummers te herkennen uit foto’s. Integratie met de CTGB-database voor automatische verificatie. Testen in de pilotfase met inspecteurs op locatie. Evaluatie en doorontwikkeling op basis van veldfeedback. Hoe verliep de samenwerking tussen NVWA en Clockworks? De samenwerking was praktijkgericht en gebruiksgericht. NVWA leverde input vanuit de werkvloer — wat inspecteurs nodig hebben, welke situaties het lastigst zijn, welke fouten vaak voorkomen. Clockworks bracht de technische expertise in: AI-modellen, integraties, UI/UX ontwerp en de infrastructuur. Door deze co-creatie ontstond een app die écht werkt in de omstandigheden van inspecties in het veld, niet alleen in een lab-omgeving. 5. Resultaten & Impact Hoewel de publicatie geen harde cijfers noemt zoals tijdsbesparing in minuten of kostenbesparing, zijn de resultaten al duidelijk merkbaar volgens de pilot. Inspecteurs rapporteren dat het inspectieproces aanzienlijk sneller verloopt. Het risico op fouten is sterk verminderd, omdat toelatingsnummers automatisch gelezen en geverifieerd worden. De gebruiksvriendelijkheid is verbeterd: dingen die eerder handmatig en omslachtig waren, verlopen nu intuïtief. De pilotversie werd goed ontvangen. 6. Learnings & Toekomst Uit de samenwerking met de NVWA blijkt dat technologie het best werkt wanneer deze sterk afgestemd is op de gebruikerssituatie: inspecteurs, mobiliteit, veldomstandigheden. AI-modellen moeten getest worden in realistische omstandigheden. Voor de toekomst ligt de focus op: verdere uitrol na de pilot, verfijnen van betrouwbaarheid en snelheid, uitbreiden van detectiecapaciteit (bijvoorbeeld voor meerdere typen ingrediënten, andere keurmerken of aanvullende gegevens op etiketten), en optimalisatie van de app-ervaring in uiteenlopende omstandigheden. Benieuwd hoe Clockworks met AI ook jouw inspectie- of complianceprocessen kan versnellen en betrouwbaarder kan maken? Neem contact met ons op om te bespreken wat wij voor jouw organisatie kunnen betekenen.
Lees meerMaak kennis
met onze
projecten.
BrabantWater | Asset herkenning
door Alexander Kern
AI Solutions Engineer
1. Introductie van de klant Wie is de klant? Brabant Water is verantwoordelijk voor de drinkwatervoorziening in de provincie Noord-Brabant. Met meer dan 2,5 miljoen inwoners en duizenden kilometers aan leidingen zorgt het bedrijf dagelijks voor betrouwbaar en veilig drinkwater. Om die rol duurzaam te kunnen vervullen, is goed inzicht in de eigen infrastructuur essentieel. Waarom kwam BrabantWater naar Clockworks? BrabantWater was al een vertrouwde klant van ons product Blicker (lees: Stedin | Meterstanden Openemen). Toen BrabantWater ontdekte dat onvoldoende overzicht van hoofdkranen in het netwerk leidde tot hogere kosten, inefficiënt onderhoud en onverwachte storingen, kwamen zij met een vraag voor hulp. Tezamen zijn we op zoek gegaan naar een slimmere manier om grip te krijgen op deze cruciale onderdelen van hun netwerk. 2. Uitdaging Hoofdkranen zijn essentiële assets binnen de drinkwaterinfrastructuur. Ze maken het mogelijk om delen van het netwerk af te sluiten bij storingen of onderhoud. Zonder actueel overzicht ontstaat er echter een groot risico: monteurs kunnen langer bezig zijn met het vinden van de juiste afsluiter, storingen duren langer voort en de onderhoudsplanning wordt omslachtig en kostbaar. Voor Brabant Water betekende dit niet alleen een operationele uitdaging, maar ook een risico voor de continuïteit van de dienstverlening. Het ontbreken van betrouwbare data bemoeilijkte besluitvorming, vergrootte de kans op onverwachte storingen en leidde tot onnodige kosten. 3. Oplossing & Aanpak Welke AI-oplossing hebben we voorgesteld? Binnen een aantal weken werd een AI-oplossing uitgewerkt die hoofdkranen automatisch detecteert en classificeert op basis van foto’s. Daarbij was het interessant om gebruik te maken van slim van de bestaande processen; namelijk Blicker, de applicatie waarmee meterstanden via foto’s worden uitgelezen. In veel gevallen was er op de door de consument ingestuurde foto namelijk al een hoofdkraan in beeld. Hoe is dit idee tot stand gekomen? Door de bestaande beelddata van meteropnames te hergebruiken en te combineren met onze ervaring in het ontwikkelen van schaalbare AI-infrastructuren, ontstond een kostenefficiënte oplossing die direct in het operationele proces kon worden geïntegreerd. Zo werd er niet alleen een nieuw probleem opgelost, maar ook extra waarde gehaald uit reeds verzamelde data. 4. Implementatie Hoe is het aangepakt? De aanpak bestond uit meerdere stappen: het analyseren van bestaande foto’s uit het Blicker-proces; het trainen van AI-modellen om hoofdkranen te herkennen en te classificeren; het integreren van de oplossing in de operationele omgeving van Brabant Water. Hoe verliep de samenwerking tussen BrabantWater en Clockworks? De samenwerking verliep intensief: Brabant Water bracht de domeinkennis in, terwijl wij de technologische expertise leverde. Dankzij deze co-creatie kon de oplossing snel en effectief worden uitgerold, naast het feit dat we al een goede relatie hadden opgebouwd met hen. 5. Resultaten & Impact De resultaten zijn concreet en indrukwekkend: 639.000+ kraanaansluitingen in kaart gebracht. 60.000+ storingsgevoelige kranen gedetecteerd. 290.000+ adressen verrijkt met accurate asset data. 95% nauwkeurigheid bij detectie en classificatie. Het effect voor Brabant Water is duidelijk merkbaar: beter assetmanagement, meer grip op de onderhoudsplanning en een flinke stap richting kostenbesparing en hogere klanttevredenheid. 6. Learnings & Toekomst De case toont aan hoe krachtig het kan zijn om bestaande data opnieuw te benutten. Door beelddata uit het meteropnameproces slim te hergebruiken, kreeg Brabant Water ineens veel meer inzicht in hun netwerk zonder dat dit een aparte, kostbare inventarisatie vereiste. Voor de toekomst biedt deze aanpak kansen om nog meer soorten assets te detecteren en classificeren, waardoor het assetmanagement van Brabant Water steeds rijker en slimmer wordt. Ook voor andere nutsbedrijven laat dit project zien hoe AI bestaande processen kan versterken en schaalbaar kan worden ingezet. Benieuwd hoe Clockworks met AI ook jouw infrastructuur slimmer kan maken? Ontdek de mogelijkheden van slimme dataherkenning in jouw organisatie en neem contact met ons op.
Lees meerNVWA | Slimme biociden inspectie
door Rob Weber
Senior Software Engineer
1. Introductie van de klant Wie is de klant? De Nederlandse Voedsel- en Warenautoriteit (NVWA) is verantwoordelijk voor toezicht op producten, processen en stoffen in Nederland, onder andere gewasbeschermingsmiddelen. Inspecteurs van de NVWA zorgen dat producten voldoen aan regelgeving en normen. Een belangrijk onderdeel van hun werk is controleren of het toelatingsnummer op etiketten van gewasbeschermingsmiddelen klopt volgens officiële registraties, zoals bij het CTGB (College voor toelating van gewasbeschermingsmiddelen en biociden). Waarom kwam de NVWA naar Clockworks? Tot voor kort moesten inspecteurs elk etiket handmatig lezen, het toelatingsnummer opschrijven, en dat nummer handmatig opzoeken in de CTGB-database. Dat is tijdrovend, foutgevoelig en omslachtig. De NVWA wilde dat het inspectieproces sneller, betrouwbaarder en gebruiksvriendelijker werd. Kortom: minder handwerk, meer zekerheid. 2. Uitdaging Inspecteurs van de NVWA lopen dagelijks tegen praktische inefficiënties aan. Elke inspectieronde begint met het zorgvuldig lezen van etiketten, het noteren van toelatingsnummers, en vervolgens het verifiëren daarvan in een externe database. Dat proces is niet alleen gevoelig voor menselijke fouten (bijv. bij het aflezen van kleine letters of ingewikkelde lay-outs), maar ook kost veel tijd in het veld, wat de productiviteit beperkt. Daarnaast speelt het belang van snelheid: hoe sneller een inspecteur weet of een middel géén geldig toelatingsnummer heeft, hoe eerder kan worden gehandeld. De NVWA wilde daarom een werkmethode die het proces vereenvoudigt én betrouwbaarder maakt — zonder extra administratieve stappen of complexe hulpmiddelen. 3. Oplossing / Aanpak Welke AI-oplossing hebben we voorgesteld? Clockworks stelde een slimme app voor waarin inspecteurs met hun telefoon een foto maken van het etiket van een gewasbeschermingsmiddel. De app gebruikt Vision AI om automatisch het toelatingsnummer uit de foto te lezen en vergelijkt het onmiddellijk met de officiële CTGB-database om te controleren of het middel is toegestaan. Handmatige invoer van het nummer is niet meer nodig. Hoe is het idee tot stand gekomen? Het idee kwam voort uit de praktijk van NVWA-inspecteurs. De dagelijkse routine toonde aan dat de bestaande methode — etiket aflezen, opschrijven, later checken — vaak inefficiënt was, tijd sloopte en fouten veroorzaakte. In samenwerking met Clockworks is daarom gekeken naar Vision AI als manier om die routine stap te automatiseren en te ondersteunen. De app is in nauwe afstemming ontworpen, met input van inspecteurs over wat handig werkt in het veld. Welke technologie of methodiek? Gebruik van computer vision / Vision AI om tekst (toelatingsnummer) vanaf een foto te herkennen. Koppeling met de CTGB-database voor realtime verificatie. Mobiele applicatie of app-feature (veldwerk) met intuïtieve UI/UX, afgestemd op de omstandigheden in het veld (licht, hoek, snelheid). Pilotfase om te testen of de AI in realistische omstandigheden voldoende betrouwbaar werkt, vóór uitrol. 4. Implementatie Hoe is het aangepakt? Er is gestart met een pilotversie van de app. In deze versie konden inspecteurs in het veld de app uitproberen: foto maken, nummer automatisch laten lezen, en direct checken in de database. Feedback vanuit deze pilot is gebruikt om gebruiksgemak, nauwkeurigheid en snelheid te verbeteren. Proces: Ontwerp en ontwikkeling van de app in nauwe samenwerking met NVWA. Implementatie van Vision AI component om toelatingsnummers te herkennen uit foto’s. Integratie met de CTGB-database voor automatische verificatie. Testen in de pilotfase met inspecteurs op locatie. Evaluatie en doorontwikkeling op basis van veldfeedback. Hoe verliep de samenwerking tussen NVWA en Clockworks? De samenwerking was praktijkgericht en gebruiksgericht. NVWA leverde input vanuit de werkvloer — wat inspecteurs nodig hebben, welke situaties het lastigst zijn, welke fouten vaak voorkomen. Clockworks bracht de technische expertise in: AI-modellen, integraties, UI/UX ontwerp en de infrastructuur. Door deze co-creatie ontstond een app die écht werkt in de omstandigheden van inspecties in het veld, niet alleen in een lab-omgeving. 5. Resultaten & Impact Hoewel de publicatie geen harde cijfers noemt zoals tijdsbesparing in minuten of kostenbesparing, zijn de resultaten al duidelijk merkbaar volgens de pilot. Inspecteurs rapporteren dat het inspectieproces aanzienlijk sneller verloopt. Het risico op fouten is sterk verminderd, omdat toelatingsnummers automatisch gelezen en geverifieerd worden. De gebruiksvriendelijkheid is verbeterd: dingen die eerder handmatig en omslachtig waren, verlopen nu intuïtief. De pilotversie werd goed ontvangen. 6. Learnings & Toekomst Uit de samenwerking met de NVWA blijkt dat technologie het best werkt wanneer deze sterk afgestemd is op de gebruikerssituatie: inspecteurs, mobiliteit, veldomstandigheden. AI-modellen moeten getest worden in realistische omstandigheden. Voor de toekomst ligt de focus op: verdere uitrol na de pilot, verfijnen van betrouwbaarheid en snelheid, uitbreiden van detectiecapaciteit (bijvoorbeeld voor meerdere typen ingrediënten, andere keurmerken of aanvullende gegevens op etiketten), en optimalisatie van de app-ervaring in uiteenlopende omstandigheden. Benieuwd hoe Clockworks met AI ook jouw inspectie- of complianceprocessen kan versnellen en betrouwbaarder kan maken? Neem contact met ons op om te bespreken wat wij voor jouw organisatie kunnen betekenen.
Lees meerBrabantWater | Asset herkenning
door Alexander Kern
AI Solutions Engineer
1. Introductie van de klant Wie is de klant? Brabant Water is verantwoordelijk voor de drinkwatervoorziening in de provincie Noord-Brabant. Met meer dan 2,5 miljoen inwoners en duizenden kilometers aan leidingen zorgt het bedrijf dagelijks voor betrouwbaar en veilig drinkwater. Om die rol duurzaam te kunnen vervullen, is goed inzicht in de eigen infrastructuur essentieel. Waarom kwam BrabantWater naar Clockworks? BrabantWater was al een vertrouwde klant van ons product Blicker (lees: Stedin | Meterstanden Openemen). Toen BrabantWater ontdekte dat onvoldoende overzicht van hoofdkranen in het netwerk leidde tot hogere kosten, inefficiënt onderhoud en onverwachte storingen, kwamen zij met een vraag voor hulp. Tezamen zijn we op zoek gegaan naar een slimmere manier om grip te krijgen op deze cruciale onderdelen van hun netwerk. 2. Uitdaging Hoofdkranen zijn essentiële assets binnen de drinkwaterinfrastructuur. Ze maken het mogelijk om delen van het netwerk af te sluiten bij storingen of onderhoud. Zonder actueel overzicht ontstaat er echter een groot risico: monteurs kunnen langer bezig zijn met het vinden van de juiste afsluiter, storingen duren langer voort en de onderhoudsplanning wordt omslachtig en kostbaar. Voor Brabant Water betekende dit niet alleen een operationele uitdaging, maar ook een risico voor de continuïteit van de dienstverlening. Het ontbreken van betrouwbare data bemoeilijkte besluitvorming, vergrootte de kans op onverwachte storingen en leidde tot onnodige kosten. 3. Oplossing & Aanpak Welke AI-oplossing hebben we voorgesteld? Binnen een aantal weken werd een AI-oplossing uitgewerkt die hoofdkranen automatisch detecteert en classificeert op basis van foto’s. Daarbij was het interessant om gebruik te maken van slim van de bestaande processen; namelijk Blicker, de applicatie waarmee meterstanden via foto’s worden uitgelezen. In veel gevallen was er op de door de consument ingestuurde foto namelijk al een hoofdkraan in beeld. Hoe is dit idee tot stand gekomen? Door de bestaande beelddata van meteropnames te hergebruiken en te combineren met onze ervaring in het ontwikkelen van schaalbare AI-infrastructuren, ontstond een kostenefficiënte oplossing die direct in het operationele proces kon worden geïntegreerd. Zo werd er niet alleen een nieuw probleem opgelost, maar ook extra waarde gehaald uit reeds verzamelde data. 4. Implementatie Hoe is het aangepakt? De aanpak bestond uit meerdere stappen: het analyseren van bestaande foto’s uit het Blicker-proces; het trainen van AI-modellen om hoofdkranen te herkennen en te classificeren; het integreren van de oplossing in de operationele omgeving van Brabant Water. Hoe verliep de samenwerking tussen BrabantWater en Clockworks? De samenwerking verliep intensief: Brabant Water bracht de domeinkennis in, terwijl wij de technologische expertise leverde. Dankzij deze co-creatie kon de oplossing snel en effectief worden uitgerold, naast het feit dat we al een goede relatie hadden opgebouwd met hen. 5. Resultaten & Impact De resultaten zijn concreet en indrukwekkend: 639.000+ kraanaansluitingen in kaart gebracht. 60.000+ storingsgevoelige kranen gedetecteerd. 290.000+ adressen verrijkt met accurate asset data. 95% nauwkeurigheid bij detectie en classificatie. Het effect voor Brabant Water is duidelijk merkbaar: beter assetmanagement, meer grip op de onderhoudsplanning en een flinke stap richting kostenbesparing en hogere klanttevredenheid. 6. Learnings & Toekomst De case toont aan hoe krachtig het kan zijn om bestaande data opnieuw te benutten. Door beelddata uit het meteropnameproces slim te hergebruiken, kreeg Brabant Water ineens veel meer inzicht in hun netwerk zonder dat dit een aparte, kostbare inventarisatie vereiste. Voor de toekomst biedt deze aanpak kansen om nog meer soorten assets te detecteren en classificeren, waardoor het assetmanagement van Brabant Water steeds rijker en slimmer wordt. Ook voor andere nutsbedrijven laat dit project zien hoe AI bestaande processen kan versterken en schaalbaar kan worden ingezet. Benieuwd hoe Clockworks met AI ook jouw infrastructuur slimmer kan maken? Ontdek de mogelijkheden van slimme dataherkenning in jouw organisatie en neem contact met ons op.
Lees meerNVWA | Slimme biociden inspectie
door Rob Weber
Senior Software Engineer
1. Introductie van de klant Wie is de klant? De Nederlandse Voedsel- en Warenautoriteit (NVWA) is verantwoordelijk voor toezicht op producten, processen en stoffen in Nederland, onder andere gewasbeschermingsmiddelen. Inspecteurs van de NVWA zorgen dat producten voldoen aan regelgeving en normen. Een belangrijk onderdeel van hun werk is controleren of het toelatingsnummer op etiketten van gewasbeschermingsmiddelen klopt volgens officiële registraties, zoals bij het CTGB (College voor toelating van gewasbeschermingsmiddelen en biociden). Waarom kwam de NVWA naar Clockworks? Tot voor kort moesten inspecteurs elk etiket handmatig lezen, het toelatingsnummer opschrijven, en dat nummer handmatig opzoeken in de CTGB-database. Dat is tijdrovend, foutgevoelig en omslachtig. De NVWA wilde dat het inspectieproces sneller, betrouwbaarder en gebruiksvriendelijker werd. Kortom: minder handwerk, meer zekerheid. 2. Uitdaging Inspecteurs van de NVWA lopen dagelijks tegen praktische inefficiënties aan. Elke inspectieronde begint met het zorgvuldig lezen van etiketten, het noteren van toelatingsnummers, en vervolgens het verifiëren daarvan in een externe database. Dat proces is niet alleen gevoelig voor menselijke fouten (bijv. bij het aflezen van kleine letters of ingewikkelde lay-outs), maar ook kost veel tijd in het veld, wat de productiviteit beperkt. Daarnaast speelt het belang van snelheid: hoe sneller een inspecteur weet of een middel géén geldig toelatingsnummer heeft, hoe eerder kan worden gehandeld. De NVWA wilde daarom een werkmethode die het proces vereenvoudigt én betrouwbaarder maakt — zonder extra administratieve stappen of complexe hulpmiddelen. 3. Oplossing / Aanpak Welke AI-oplossing hebben we voorgesteld? Clockworks stelde een slimme app voor waarin inspecteurs met hun telefoon een foto maken van het etiket van een gewasbeschermingsmiddel. De app gebruikt Vision AI om automatisch het toelatingsnummer uit de foto te lezen en vergelijkt het onmiddellijk met de officiële CTGB-database om te controleren of het middel is toegestaan. Handmatige invoer van het nummer is niet meer nodig. Hoe is het idee tot stand gekomen? Het idee kwam voort uit de praktijk van NVWA-inspecteurs. De dagelijkse routine toonde aan dat de bestaande methode — etiket aflezen, opschrijven, later checken — vaak inefficiënt was, tijd sloopte en fouten veroorzaakte. In samenwerking met Clockworks is daarom gekeken naar Vision AI als manier om die routine stap te automatiseren en te ondersteunen. De app is in nauwe afstemming ontworpen, met input van inspecteurs over wat handig werkt in het veld. Welke technologie of methodiek? Gebruik van computer vision / Vision AI om tekst (toelatingsnummer) vanaf een foto te herkennen. Koppeling met de CTGB-database voor realtime verificatie. Mobiele applicatie of app-feature (veldwerk) met intuïtieve UI/UX, afgestemd op de omstandigheden in het veld (licht, hoek, snelheid). Pilotfase om te testen of de AI in realistische omstandigheden voldoende betrouwbaar werkt, vóór uitrol. 4. Implementatie Hoe is het aangepakt? Er is gestart met een pilotversie van de app. In deze versie konden inspecteurs in het veld de app uitproberen: foto maken, nummer automatisch laten lezen, en direct checken in de database. Feedback vanuit deze pilot is gebruikt om gebruiksgemak, nauwkeurigheid en snelheid te verbeteren. Proces: Ontwerp en ontwikkeling van de app in nauwe samenwerking met NVWA. Implementatie van Vision AI component om toelatingsnummers te herkennen uit foto’s. Integratie met de CTGB-database voor automatische verificatie. Testen in de pilotfase met inspecteurs op locatie. Evaluatie en doorontwikkeling op basis van veldfeedback. Hoe verliep de samenwerking tussen NVWA en Clockworks? De samenwerking was praktijkgericht en gebruiksgericht. NVWA leverde input vanuit de werkvloer — wat inspecteurs nodig hebben, welke situaties het lastigst zijn, welke fouten vaak voorkomen. Clockworks bracht de technische expertise in: AI-modellen, integraties, UI/UX ontwerp en de infrastructuur. Door deze co-creatie ontstond een app die écht werkt in de omstandigheden van inspecties in het veld, niet alleen in een lab-omgeving. 5. Resultaten & Impact Hoewel de publicatie geen harde cijfers noemt zoals tijdsbesparing in minuten of kostenbesparing, zijn de resultaten al duidelijk merkbaar volgens de pilot. Inspecteurs rapporteren dat het inspectieproces aanzienlijk sneller verloopt. Het risico op fouten is sterk verminderd, omdat toelatingsnummers automatisch gelezen en geverifieerd worden. De gebruiksvriendelijkheid is verbeterd: dingen die eerder handmatig en omslachtig waren, verlopen nu intuïtief. De pilotversie werd goed ontvangen. 6. Learnings & Toekomst Uit de samenwerking met de NVWA blijkt dat technologie het best werkt wanneer deze sterk afgestemd is op de gebruikerssituatie: inspecteurs, mobiliteit, veldomstandigheden. AI-modellen moeten getest worden in realistische omstandigheden. Voor de toekomst ligt de focus op: verdere uitrol na de pilot, verfijnen van betrouwbaarheid en snelheid, uitbreiden van detectiecapaciteit (bijvoorbeeld voor meerdere typen ingrediënten, andere keurmerken of aanvullende gegevens op etiketten), en optimalisatie van de app-ervaring in uiteenlopende omstandigheden. Benieuwd hoe Clockworks met AI ook jouw inspectie- of complianceprocessen kan versnellen en betrouwbaarder kan maken? Neem contact met ons op om te bespreken wat wij voor jouw organisatie kunnen betekenen.
Lees meerMaak kennis
met onze
projecten.
BrabantWater | Asset herkenning
door Alexander Kern
AI Solutions Engineer
1. Introductie van de klant Wie is de klant? Brabant Water is verantwoordelijk voor de drinkwatervoorziening in de provincie Noord-Brabant. Met meer dan 2,5 miljoen inwoners en duizenden kilometers aan leidingen zorgt het bedrijf dagelijks voor betrouwbaar en veilig drinkwater. Om die rol duurzaam te kunnen vervullen, is goed inzicht in de eigen infrastructuur essentieel. Waarom kwam BrabantWater naar Clockworks? BrabantWater was al een vertrouwde klant van ons product Blicker (lees: Stedin | Meterstanden Openemen). Toen BrabantWater ontdekte dat onvoldoende overzicht van hoofdkranen in het netwerk leidde tot hogere kosten, inefficiënt onderhoud en onverwachte storingen, kwamen zij met een vraag voor hulp. Tezamen zijn we op zoek gegaan naar een slimmere manier om grip te krijgen op deze cruciale onderdelen van hun netwerk. 2. Uitdaging Hoofdkranen zijn essentiële assets binnen de drinkwaterinfrastructuur. Ze maken het mogelijk om delen van het netwerk af te sluiten bij storingen of onderhoud. Zonder actueel overzicht ontstaat er echter een groot risico: monteurs kunnen langer bezig zijn met het vinden van de juiste afsluiter, storingen duren langer voort en de onderhoudsplanning wordt omslachtig en kostbaar. Voor Brabant Water betekende dit niet alleen een operationele uitdaging, maar ook een risico voor de continuïteit van de dienstverlening. Het ontbreken van betrouwbare data bemoeilijkte besluitvorming, vergrootte de kans op onverwachte storingen en leidde tot onnodige kosten. 3. Oplossing & Aanpak Welke AI-oplossing hebben we voorgesteld? Binnen een aantal weken werd een AI-oplossing uitgewerkt die hoofdkranen automatisch detecteert en classificeert op basis van foto’s. Daarbij was het interessant om gebruik te maken van slim van de bestaande processen; namelijk Blicker, de applicatie waarmee meterstanden via foto’s worden uitgelezen. In veel gevallen was er op de door de consument ingestuurde foto namelijk al een hoofdkraan in beeld. Hoe is dit idee tot stand gekomen? Door de bestaande beelddata van meteropnames te hergebruiken en te combineren met onze ervaring in het ontwikkelen van schaalbare AI-infrastructuren, ontstond een kostenefficiënte oplossing die direct in het operationele proces kon worden geïntegreerd. Zo werd er niet alleen een nieuw probleem opgelost, maar ook extra waarde gehaald uit reeds verzamelde data. 4. Implementatie Hoe is het aangepakt? De aanpak bestond uit meerdere stappen: het analyseren van bestaande foto’s uit het Blicker-proces; het trainen van AI-modellen om hoofdkranen te herkennen en te classificeren; het integreren van de oplossing in de operationele omgeving van Brabant Water. Hoe verliep de samenwerking tussen BrabantWater en Clockworks? De samenwerking verliep intensief: Brabant Water bracht de domeinkennis in, terwijl wij de technologische expertise leverde. Dankzij deze co-creatie kon de oplossing snel en effectief worden uitgerold, naast het feit dat we al een goede relatie hadden opgebouwd met hen. 5. Resultaten & Impact De resultaten zijn concreet en indrukwekkend: 639.000+ kraanaansluitingen in kaart gebracht. 60.000+ storingsgevoelige kranen gedetecteerd. 290.000+ adressen verrijkt met accurate asset data. 95% nauwkeurigheid bij detectie en classificatie. Het effect voor Brabant Water is duidelijk merkbaar: beter assetmanagement, meer grip op de onderhoudsplanning en een flinke stap richting kostenbesparing en hogere klanttevredenheid. 6. Learnings & Toekomst De case toont aan hoe krachtig het kan zijn om bestaande data opnieuw te benutten. Door beelddata uit het meteropnameproces slim te hergebruiken, kreeg Brabant Water ineens veel meer inzicht in hun netwerk zonder dat dit een aparte, kostbare inventarisatie vereiste. Voor de toekomst biedt deze aanpak kansen om nog meer soorten assets te detecteren en classificeren, waardoor het assetmanagement van Brabant Water steeds rijker en slimmer wordt. Ook voor andere nutsbedrijven laat dit project zien hoe AI bestaande processen kan versterken en schaalbaar kan worden ingezet. Benieuwd hoe Clockworks met AI ook jouw infrastructuur slimmer kan maken? Ontdek de mogelijkheden van slimme dataherkenning in jouw organisatie en neem contact met ons op.
Lees meerNVWA | Slimme biociden inspectie
door Rob Weber
Senior Software Engineer
1. Introductie van de klant Wie is de klant? De Nederlandse Voedsel- en Warenautoriteit (NVWA) is verantwoordelijk voor toezicht op producten, processen en stoffen in Nederland, onder andere gewasbeschermingsmiddelen. Inspecteurs van de NVWA zorgen dat producten voldoen aan regelgeving en normen. Een belangrijk onderdeel van hun werk is controleren of het toelatingsnummer op etiketten van gewasbeschermingsmiddelen klopt volgens officiële registraties, zoals bij het CTGB (College voor toelating van gewasbeschermingsmiddelen en biociden). Waarom kwam de NVWA naar Clockworks? Tot voor kort moesten inspecteurs elk etiket handmatig lezen, het toelatingsnummer opschrijven, en dat nummer handmatig opzoeken in de CTGB-database. Dat is tijdrovend, foutgevoelig en omslachtig. De NVWA wilde dat het inspectieproces sneller, betrouwbaarder en gebruiksvriendelijker werd. Kortom: minder handwerk, meer zekerheid. 2. Uitdaging Inspecteurs van de NVWA lopen dagelijks tegen praktische inefficiënties aan. Elke inspectieronde begint met het zorgvuldig lezen van etiketten, het noteren van toelatingsnummers, en vervolgens het verifiëren daarvan in een externe database. Dat proces is niet alleen gevoelig voor menselijke fouten (bijv. bij het aflezen van kleine letters of ingewikkelde lay-outs), maar ook kost veel tijd in het veld, wat de productiviteit beperkt. Daarnaast speelt het belang van snelheid: hoe sneller een inspecteur weet of een middel géén geldig toelatingsnummer heeft, hoe eerder kan worden gehandeld. De NVWA wilde daarom een werkmethode die het proces vereenvoudigt én betrouwbaarder maakt — zonder extra administratieve stappen of complexe hulpmiddelen. 3. Oplossing / Aanpak Welke AI-oplossing hebben we voorgesteld? Clockworks stelde een slimme app voor waarin inspecteurs met hun telefoon een foto maken van het etiket van een gewasbeschermingsmiddel. De app gebruikt Vision AI om automatisch het toelatingsnummer uit de foto te lezen en vergelijkt het onmiddellijk met de officiële CTGB-database om te controleren of het middel is toegestaan. Handmatige invoer van het nummer is niet meer nodig. Hoe is het idee tot stand gekomen? Het idee kwam voort uit de praktijk van NVWA-inspecteurs. De dagelijkse routine toonde aan dat de bestaande methode — etiket aflezen, opschrijven, later checken — vaak inefficiënt was, tijd sloopte en fouten veroorzaakte. In samenwerking met Clockworks is daarom gekeken naar Vision AI als manier om die routine stap te automatiseren en te ondersteunen. De app is in nauwe afstemming ontworpen, met input van inspecteurs over wat handig werkt in het veld. Welke technologie of methodiek? Gebruik van computer vision / Vision AI om tekst (toelatingsnummer) vanaf een foto te herkennen. Koppeling met de CTGB-database voor realtime verificatie. Mobiele applicatie of app-feature (veldwerk) met intuïtieve UI/UX, afgestemd op de omstandigheden in het veld (licht, hoek, snelheid). Pilotfase om te testen of de AI in realistische omstandigheden voldoende betrouwbaar werkt, vóór uitrol. 4. Implementatie Hoe is het aangepakt? Er is gestart met een pilotversie van de app. In deze versie konden inspecteurs in het veld de app uitproberen: foto maken, nummer automatisch laten lezen, en direct checken in de database. Feedback vanuit deze pilot is gebruikt om gebruiksgemak, nauwkeurigheid en snelheid te verbeteren. Proces: Ontwerp en ontwikkeling van de app in nauwe samenwerking met NVWA. Implementatie van Vision AI component om toelatingsnummers te herkennen uit foto’s. Integratie met de CTGB-database voor automatische verificatie. Testen in de pilotfase met inspecteurs op locatie. Evaluatie en doorontwikkeling op basis van veldfeedback. Hoe verliep de samenwerking tussen NVWA en Clockworks? De samenwerking was praktijkgericht en gebruiksgericht. NVWA leverde input vanuit de werkvloer — wat inspecteurs nodig hebben, welke situaties het lastigst zijn, welke fouten vaak voorkomen. Clockworks bracht de technische expertise in: AI-modellen, integraties, UI/UX ontwerp en de infrastructuur. Door deze co-creatie ontstond een app die écht werkt in de omstandigheden van inspecties in het veld, niet alleen in een lab-omgeving. 5. Resultaten & Impact Hoewel de publicatie geen harde cijfers noemt zoals tijdsbesparing in minuten of kostenbesparing, zijn de resultaten al duidelijk merkbaar volgens de pilot. Inspecteurs rapporteren dat het inspectieproces aanzienlijk sneller verloopt. Het risico op fouten is sterk verminderd, omdat toelatingsnummers automatisch gelezen en geverifieerd worden. De gebruiksvriendelijkheid is verbeterd: dingen die eerder handmatig en omslachtig waren, verlopen nu intuïtief. De pilotversie werd goed ontvangen. 6. Learnings & Toekomst Uit de samenwerking met de NVWA blijkt dat technologie het best werkt wanneer deze sterk afgestemd is op de gebruikerssituatie: inspecteurs, mobiliteit, veldomstandigheden. AI-modellen moeten getest worden in realistische omstandigheden. Voor de toekomst ligt de focus op: verdere uitrol na de pilot, verfijnen van betrouwbaarheid en snelheid, uitbreiden van detectiecapaciteit (bijvoorbeeld voor meerdere typen ingrediënten, andere keurmerken of aanvullende gegevens op etiketten), en optimalisatie van de app-ervaring in uiteenlopende omstandigheden. Benieuwd hoe Clockworks met AI ook jouw inspectie- of complianceprocessen kan versnellen en betrouwbaarder kan maken? Neem contact met ons op om te bespreken wat wij voor jouw organisatie kunnen betekenen.
Lees meer