Ga meteen naar de inhoud
  • Agentic AI
  • Azure
  • LLM
  • GovTech
  • Vastgoed

Regelspotter: hoe AI regelgeving vertaalt naar concrete taken per gebouw

Wetteksten erin, verplichtingen en onderhoudstaken per gebouw eruit. AI stelt voor en bij elke poort beslist een expert. Een wettekst van 30 pagina's laten analyseren kost ongeveer twee euro.

  • Winnaar · Vlaanderen Hackathon 2026
27 okt 2026 · 7 min leestijdMet Het Facilitair Bedrijf, Cronos Public Services en Leap Forward
Titelslide van Regelspotter: overzicht in de regels met de drie stappen zien, doen en bewijzen
RegelspotterOverzicht in de regels, in drie stappen: zien, doen en bewijzen. De titelslide van de finale op Trefdag Vlaanderen Digitaal.

Winnaar hackathon

Overzicht in de regels

Heb je thuis een gasketel, dan moet een erkend technicus die om de twee jaar onderhouden. Bijna niemand denkt daaraan tot er iets misloopt. Breekt er brand uit, dan is een van de eerste vragen van de verzekeraar of je het onderhoudsattest kunt voorleggen.

In een kantoorgebouw staat veel meer op het spel. Een gebouw telt tientallen installaties, elk met eigen regels. Bij Het Facilitair Bedrijf (het facilitaire agentschap van de Vlaamse overheid) kan één gebouwbeheerder verantwoordelijk zijn voor wel 60 gebouwen. Gebouwbeheerders missen overzicht: welke regel geldt voor welk gebouw, wat er moet gebeuren en of ze kunnen bewijzen dat het ook gebeurd is.

Met die uitdaging trok Het Facilitair Bedrijf naar de Vlaanderen Hackathon 2026 van Digitaal Vlaanderen, PIO, VLAIO en Sandbox Vlaanderen. In oktober bouwde een gezamenlijk team van Het Facilitair Bedrijf, Arinti, Cronos Public Services en Leap Forward in drie dagen Regelspotter. Op 22 oktober koos het publiek van Trefdag Vlaanderen Digitaal het project als winnaar, vóór finalisten van VLAIO en het Agentschap voor Natuur en Bos.

Het idee

Zien, doen, bewijzen

De Regelspotter ondersteunt gebouwbeheerders in drie stappen. Het zijn dezelfde drie die ook een gasketel thuis in orde houden.

Zien
De gebouwbeheerder ziet welke verplichtingen gelden voor elk van zijn gebouwen, zonder zelf wetteksten te moeten doorploeteren.
Doen
Elke verplichting wordt een concrete taak in de bestaande onderhoudsplanning. Denk aan het onderhoud van een stookketel om de twee jaar, met een seintje wanneer het zover is.
Bewijzen
Zodra de technicus langs geweest is, wordt het attest aan de taak gekoppeld en komt het in het gebouwdossier. Het ligt klaar wanneer een inspecteur of verzekeraar erom vraagt.
Illustratie van een huis met een gasketel: een onderhoudsherinnering, het bezoek van de technicus en het attest in het dossier
Zien, doen, bewijzenEen gasketel thuis in drie stappen: een seintje voor het onderhoud, het bezoek van de technicus en het attest in het dossier.

Architectuur

Eén register tussen de bronnen en de bestaande systemen

In het midden zit de Regelspotter-motor: complexe tekst gaat erin, concrete acties komen eruit. De motor leest wetgeving in uit de Codex Vlaanderen, het Belgisch Staatsblad en EUR-Lex. Hij kan ook andere documenten verwerken, zoals contracten en vergunningen. Het resultaat is een verplichtingenregister.

Dat register is via een REST-API en MCP gekoppeld aan de systemen die gebouwbeheerders al gebruiken. Het asset- en vastgoedbeheer bevat de gebouwen en installaties. De onderhouds- en ticketingtool beheert taken en attesten. Dashboards tonen de status per gebouw. Niemand hoeft een nieuwe applicatie te leren om zijn verplichtingen op te volgen.

De interface is gebouwd met de componenten van het designsysteem van Digitaal Vlaanderen. Toegankelijkheid zit ingebouwd volgens de WCAG-richtlijnen. Wie andere toepassingen van de Vlaamse overheid kent, vindt meteen zijn weg.

Architectuur van de Regelspotter: wetgeving en andere documenten voeden de motor en het verplichtingenregister. Die zijn via API en MCP gekoppeld aan assetbeheer, ticketing en dashboards
Onder de motorkapLinks de bronnen, in het midden de motor met zijn verplichtingenregister en rechts de bestaande systemen. De koppeling loopt via de API en MCP.

De pijplijn

Van wettekst tot verplichting in het register

De motor werkt in drie fasen. Daartussen zitten vaste controlemomenten waarop een mens beslist voordat het proces verdergaat.

  1. Voorbereiden

    De wettekst wordt uit de pdf gehaald en opgesplitst in afzonderlijke bepalingen. Daarna controleert het systeem om welke wet het gaat en of die wet nog van kracht is. Een triagestap beslist per bepaling of die een gebouwbeheerder iets kan opleggen.

  2. Poort 1

    Een juridisch expert bevestigt of corrigeert die selectie voordat de analyse start.

  3. Analyseren

    Een orkestrator verdeelt het werk over gespecialiseerde agents. Die schrijven kandidaat-verplichtingen uit en vergelijken ze met wat al in het register staat. Daarna volgt een kwaliteitscontrole in code: citaten moeten letterlijk overeenkomen met de wettekst, de dekking moet volledig zijn en er mogen geen dubbels zijn. Faalt de controle, dan gaat de analyse één keer terug met de problemen als feedback.

  4. Poort 2

    Een juridisch expert keurt elke kandidaat afzonderlijk goed, past hem aan of wijst hem af. Alleen de teruggestuurde kandidaten worden herwerkt. Goedgekeurde kandidaten blijven vergrendeld.

  5. Registreren

    Deze fase draait volledig in code. Per variant en per assettype wordt één verplichting uitgeschreven. Die gaat samen met de wetgeving, het brondocument en de onderliggende regels via de REST-API naar het register. Dankzij een checkpoint na elke stap kan het proces herstarten zonder dubbel werk.

  6. Poort 3

    Stelt het systeem een nieuw assettype voor, dan beslist data governance eerst. Alles komt als concept binnen. Publiceren blijft de beslissing van de expert.

De grondregel
AI stelt voor.
De mens beslist.

Mens in de lus

Waar de mens in de lus zit

Tijdens de finale stelde de jury precies die vraag. Het antwoord zit in het ontwerp. Twijfelt de AI over relevantie, analyse of impact, dan beslist een expert. Geen enkele verplichting komt in het register zonder goedkeuring van een expert. Aan de kant van de uitvoering vinkt de gebouwbeheerder een taak pas af wanneer hij bevestigt dat het attest conform is. Is het niet conform, dan beslist een expert of het om een uitzondering gaat of dat het ticket opnieuw opengaat.

Enkele spelregels houden dat samen:

  • De zekerheid van de AI bepaalt wanneer een mens moet meekijken.
  • Elke beslissing krijgt een reden, ook 'niet relevant'.
  • Een audit trail toont wie besliste: een mens, de AI of het systeem.
  • Die toelichtingen worden gebruikt om de volgende voorstellen te verbeteren.
Waar de mens in de lus zit: experts beslissen wanneer de AI twijfelt en keuren elke verplichting goed, gebouwbeheerders bevestigen attesten
Vraag van de juryExperts beslissen wanneer de AI twijfelt en keuren elke verplichting goed. Gebouwbeheerders bevestigen de attesten.

Modellen en kost

Eén model per rol, code voor de rest

Alle modellen draaien in Azure AI Foundry. Elk model heeft er een afgebakende taak. Mistral Document AI haalt de tekst uit de pdf. Een redeneermodel stuurt de analyse aan en schrijft kandidaat-verplichtingen uit. Een lichter model doet de triage en de vergelijking met het register. Een beslismodel van Microsoft geeft de reviewer per kandidaat een gekalibreerde zekerheidsscore, zonder zelf tekst te genereren. Alles wat voorspelbaar is, gebeurt in gewone code. Denk aan het knippen van tekst, de kwaliteitscontrole en de registratie. Ook het koppelen, de taken en de audit trail lopen via code.

Die verdeling houdt de kosten laag. De volledige analyse van een wettekst van 30 pagina's kost ongeveer 2 euro aan AI. Dat gaat van de relevantiecheck tot de juridische analyse. Vier keuzes maken dat mogelijk:

  1. 01

    AI leest één keer.

    Daarna draait alles op vaste logica. Of een regel nu voor 60 of voor 600 gebouwen geldt, de AI-kost blijft dezelfde.

  2. 02

    Goedkope modellen voor eenvoudige taken.

    Dure modellen komen alleen aan bod voor moeilijk redeneerwerk en om de eenvoudigere modellen aan te sturen.

  3. 03

    Zuinig met tokens.

    Gestructureerde antwoorden en herbruikbare instructies.

  4. 04

    Beslismodel en batching.

    Classificeren gebeurt zonder LLM. Verzoeken worden gebundeld.

Een wettekst van 30 pagina's analyseren kost ongeveer 2 euro aan AI dankzij één keer lezen, goedkope modellen voor eenvoudige taken, zuinig tokengebruik en batching
Ongeveer twee euroWat het kost om AI één wettekst van 30 pagina's te laten lezen, van relevantiecheck tot juridische analyse.

In cijfers

De Regelspotter in cijfers

  • ~€2AI-kost om een wettekst van 30 pagina's te analyseren
  • 3Menselijke controlemomenten tussen wettekst en register
  • 60Gebouwen per gebouwbeheerder, maximaal
  • ~300Gebouwen in beheer bij Het Facilitair Bedrijf
  • 30.000+Gebouwen bij de Vlaamse overheid en lokale besturen

Potentieel

Wat het kan opleveren

Het team schat dat de Regelspotter de administratieve last rond het opvolgen van regelgeving kan halveren. Bij Het Facilitair Bedrijf komt dat neer op zo'n 600.000 euro minder loonkost per jaar. Dat cijfer is een raming op basis van de huidige werkwijze en nog geen gemeten resultaat.

Het grootste potentieel zit in de schaal. Het Facilitair Bedrijf beheert ongeveer 300 gebouwen. De Vlaamse overheid, steden, gemeenten en andere lokale besturen beheren samen meer dan 30.000 gebouwen die onder dezelfde regelgeving vallen. Omdat de oplossing modulair is opgebouwd, liggen ook andere toepassingen binnen bereik. Je weet welke verplichtingen je overneemt bij de aankoop van een gebouw, je maakt de juiste keuzes tijdens een bouwproject en je ziet de kosten van verplichte ingrepen aankomen.

Kaart van Vlaanderen: ongeveer 300 gebouwen bij Het Facilitair Bedrijf en meer dan 30.000 bij de Vlaamse overheid en lokale besturen
Van 300 naar 30.000+Ongeveer 300 gebouwen bij Het Facilitair Bedrijf, meer dan 30.000 bij de Vlaamse overheid en lokale besturen.

Wat volgt

Van prototype naar productie

Na drie dagen hacken draait de register-API al in Azure. De analysepijplijn draait voorlopig lokaal en de stappen om die naar Azure te verhuizen liggen vast. Een hackathon levert een werkend prototype op. De echte waarde komt er pas als gebouwbeheerders het elke dag gebruiken. Daar willen we samen met Het Facilitair Bedrijf naartoe.

Proficiat aan het hele team en dank aan Digitaal Vlaanderen, PIO, VLAIO en Sandbox Vlaanderen voor de organisatie. Moet jouw organisatie ook wetgeving, contracten of andere complexe documenten omzetten in concrete acties? Laat het ons weten!

Drie verdere toepassingen: weten wat je koopt, de juiste keuzes tijdens de bouw en kosten zien aankomen
Eén engine, meer toepassingenWeet wat je koopt. Kies goed tijdens de bouw. Zie de kosten aankomen.

Zin om samen te werken?

EEN PROJECT IN GEDACHTEN?

Laten we samen iets moois bouwen.