Ambities matchen niet met locaties

De huidige praktijk van de ontwikkeling van een locatie voor woningbouw kenmerkt zich door een zeer tijdrovend proces van herontwerp op herontwerp. Om een idee te geven: de doorlooptijd van de aanvangsfase van een project wordt doorgaans maar voor circa 30% bepaald door daadwerkelijk teken- en rekenwerk. De overige doorlooptijd gaat grotendeels op aan het steeds opnieuw bijstellen van het ontwerp. Een belangrijke verklaring hiervoor ligt in de algemeen geformuleerde gemeentelijke ambities die op een specifieke locatie moeten worden geplot. In de verkenning die vervolgens plaatsvindt worden ambities steeds opnieuw bijgesteld: het geambieerde aantal woningen blijkt niet haalbaar, de gevraagde kwaliteit zorgt voor een onhaalbare business case, het plan heeft een zodanig hoge CO2-belasting dat de omgevingsvergunning niet wordt afgegeven, enzovoorts. Dit resulteert in herontwerp op herontwerp, wat leidt tot enorme vertraging, onnodig hoge kosten en uiteindelijk vaak een plan met minder kwaliteit dan gewenst.

Hoe het sneller en beter kan

Uit beschikbare data blijkt dat de prestaties op het gebied van energiehuishouding, materiaalgebruik en bouwkosten van gebouwen op eenzelfde kavel vaak tussen de 20 en 30% verschillen. Dit prestatieverschil komt niet tot uiting in de huidige manier van werken: daarin wordt slechts een beperkt aantal mogelijkheden bekeken. De kans dat op deze wijze de optimale invulling van een locatie wordt gevonden is klein. Door goed gebruik van data kan die optimale invulling wel worden gevonden: die data vormen een referentiekader aan de hand waarvan een optimale invulling van het gebied, de kavel en het programma van eisen mogelijk wordt. Op basis daarvan kan het noodzakelijk zijn om ambities naar beneden bij te stellen, maar er kan ook ruimte blijken om ambities juist te verhogen.

Op basis van de inzet van data kunnen de uitgangspunten voor een locatie dus op een rationele basis worden vastgesteld. Vervolgens kan in kort tijdsbestek de juiste invulling voor een locatie worden bepaald, rekening houdend met het samenstel van beleidsambities. De cyclus van herontwerp op herontwerp wordt hiermee voorkomen, het levert een stevige tijdwinst op en beleidsambities worden efficiënt samengebracht.

Hoe werkt dit?

Data gedreven gebiedsontwikkeling gaat uit van de data van miljoenen vastgoedobjecten: een database van de meest voorkomende type gebouwen met alle mogelijke variaties. Deze gebouwen worden nauwkeurig geanalyseerd om patronen, potentiële risico’s en scenario’s te identificeren. Op basis daarvan kan beoordeeld worden wat op een locatie mogelijk is en wat de optimale gebouwvorm is, gegeven de ambities op het gebied van woningomvang, kwaliteit en duurzaamheid. Dat biedt een basis om gefundeerde besluiten te nemen over wat wel of juist niet te doen.

De genoemde database is een ‘digitale catalogus’ van de meest voorkomende typen gebouwen met alle mogelijke variaties. Deze gebouwtypen zijn door algoritmes en kunstmatige intelligentie in 3D opgebouwd en voldoen aan relevante regelgeving zoals het Bouwbesluit. Ieder gebouwtype is in al haar denkbare afmetingen gegenereerd, waardoor de catalogus miljoenen gebouwen bevat. Daarmee vormt de database een referentiekader voor vastgoedprojecten om de prestatie van een ontwerp of de mogelijkheden voor een locatie te toetsen.

Partijen als de gemeente Utrecht en het Rijksvastgoedbedrijf hebben het afgelopen jaar data gedreven gebiedsontwikkeling succesvol toegepast in projecten. Bijvoorbeeld bij een grote woningbouwlocatie waar de gemeente een gelijk speelveld probeert te creëren voor een ontwikkeling over meerdere kavels met meerdere ontwikkelaars. Elke kavel heeft andere kenmerken, wat het lastig maakt om dezelfde ambitie op alle kavels te realiseren. Door gebruik van data gedreven gebiedsontwikkeling krijgt de gemeente inzichtelijk welk voordeel of nadeel partijen hebben om de gestelde ambities te halen. Data gedreven gebiedsontwikkeling levert ook de oplossingsrichting voor de individuele kavels. Daarmee ontstaat een open en transparante discussie tussen betrokken partijen. Dat draagt bij aan het versterken van het onderlinge vertrouwen tussen stakeholders, optimaliseert de ambities, verkort de doorlooptijd en biedt zowel gemeente als ontwikkelaar zicht op een gezonde businesscase.

Scatterplot anoniem voorbeeld MPG vs BVO VS ambitie v2 1

Relatie tussen Milieuprestatie en Bruto Vloeroppervlakte

Deze grafiek geeft de relatie weer tussen de milieuprestatie (MPG) en de Bruto Vloeroppervlakte (BVO) van de mogelijke gebouwvarianten voor een locatie. Iedere punt is een gebouwvariant. Die gebouwvarianten zijn uitgevoerd in drie verschillende materialiseringen; CO2 intensief (traditionele bouw met veel beton), CO2 gereduceerd (beton met houtskeletbouw), CO2 opslag (CLT en houtskeletbouw). Des te lager de waarde van de MPG, des te lager de milieuschade is.

Doel
Inzage in welke duurzaamheidsambitie (MPG) mogelijk is, bij welk bruto vloeroppervlak (BVO), met welke materialisering.

Inzichten

  1. De gemeentelijke eis schrijft een maximale MPG van 0,65 voor. Alle gebouwvarianten met CO2 gereduceerde en CO2 opslag materialen voldoen hieraan. Slecht een deel van de gebouwvarianten met CO2 intensieve materialen haalt deze score. Als wordt gekeken naar de varianten die onder het maximale aantal vierkante meters van 10’500 m2 blijven, zijn er maar enkele tientallen gebouwvarianten met CO2 intensieve materialen die voldoen.
  2. De ambitie is door de gemeente op 0,5 gesteld. Bijna alle gebouwvarianten met CO2 opslag materialen voldoet hieraan. Maar slechts een handvol gebouwvarianten met CO2 gereduceerde materialen voldoen aan de 0,5 MPG eis en blijven onder de 10’500 m2. Dat limiteert de mogelijkheden. Om meer varianten te laten voldoen kan de MPG ambitie omhoog bijgesteld worden naar bijvoorbeeld 0,55 (waarbij de milieubelasting dus hoger wordt).
  3. Een andere optie is de MPG ambitie van 0,5 handhaven. Door het maximale aantal meters BVO op te rekken naar bijvoorbeeld 12’000 m2 zijn er veel meer varianten mogelijk in zowel CO2 gereduceerde materialen als in CO2 opslag materialen.

In het kort
Op basis van data gedreven gebiedsontwikkeling kan beoordeeld worden welke typen gebouwen passen op welke locaties, welke dichtheid daarbij past en hoeveel woningen er gerealiseerd kunnen worden. Als eenmaal de locatiekeuze is gemaakt, wordt met gebruik van data bepaald hoe efficiënt gebouwen kunnen zijn op de betreffende locatie: hoe hoog duurzaamheidsambities kunnen zijn zonder dat dit ten koste gaat van betaalbaarheid, het spectrum aan mogelijk te realiseren gebouwen en wat de reële grondwaarde kan zijn. Daarnaast geeft het zicht op vele andere zaken die in de huidige praktijk als eenmalige en unieke opgave benaderd worden, maar dat in de wereld van data absoluut niet zijn.

Geen tijd te verliezen

De opgave is groot en vraagt om snelheid én kwaliteit. Als we blijven doen wat we deden, dan zijn die snelheid en kwaliteit moeilijk te realiseren. Een voor de hand liggende factor die kan helpen wordt onvoldoende toegepast: data gedreven gebiedsontwikkeling. De data zijn beschikbaar, de oplossing is voorhanden. We kunnen het ons niet langer veroorloven om daar geen gebruik van te maken. De woningnood is simpelweg te hoog.

EIFFEL Projects Advisory

Dit artikel is samen met adviseurs van Planalogic geschreven en geplaatst in Binnenlands Bestuur. Planalogic ontwikkelt uitgebreide ontwerp- en ontwikkelstrategieën op basis van harde, vooraf gegenereerde data die tijd besparen, risico’s verminderen en de ambitie vergroten om betaalbare en duurzame gebouwen te realiseren (voor meer informatie: www.planalogic.com).