Nieuwe gratis tool helpt huiseigenaren bij kiezen voor beste renovatieopties

De Renovatieverkenner is het resultaat van 4 jaar onderzoek door een team van TU/e, TNO en Smart Twin. Aanleiding voor de ontwikkeling is de kwetsbaarheid van individuele energiehuishoudens voor een energiecrisis.

Dynamisch hulpmiddel
Lisanne Havinga, universitair docent in de Building Performance-groep van de faculteit Built Environment aan de TU/e en drijvende kracht achter de tool, legt het probleem met bestaande hulpmiddelen uit. ‘Pas bij de start van dit project begon ik de ingewikkelde wisselwerking tussen radiatortypes, warmtepompen, isolatie en ventilatie in onze huizen te waarderen, en hoe dit ons energieverbruik in huis beïnvloedt’, vertelt zij.

Bestaande tools werken met statische maand- of jaarlijkse gemiddelden, zijn goed in het berekenen van maandelijkse stookkosten, maar houden geen rekening met dynamische factoren als luchtkwaliteit, netbelasting en gebruikersgedrag. ‘De Renovatieverkenner-tool is een dynamisch hulpmiddel’, duidt Havinga. Bovendien zoeken bestaande tools op basis van postcode en huisnummer een gemiddeld woningtype op, terwijl de Renovatieverkenner de gebruiker het exacte verwarmingssysteem en de kenmerken van zijn woning laat invoeren. ‘In werkelijkheid zijn geen 2 rijtjeshuizen hetzelfde’, licht Havinga toe.

De tool houdt ook rekening met bewonersgedrag. ‘Sommige mensen zijn nauwelijks thuis en energiebewust, terwijl andere de hele dag thuis zijn en hun verwarming 24/7 laten draaien. Gebruikers kunnen hun gedrag invoeren, zoals de kamers die ze verwarmen of dat ze ‘s nachts de ramen in hun slaapkamer openlaten’, merkt Havinga op.

Machine learning
Roel Loonen, universitair hoofddocent in dezelfde onderzoeksgroep, nam tijdens het zwangerschapsverlof van Havinga de projectleiding over. Hij beschrijft de technische basis. ‘Echte natuurkunde met behulp van machine learning. Het is gebaseerd op een geavanceerde energiebalanssimulatie die belangrijke bouwfysica bevat, zoals de principes van warmteoverdracht. We gebruiken het fysicamodel om de prestaties te beoordelen van een breed scala aan scenario’s die worden gebruikt om het machinelearningmodel te trainen. Daarna kan de tool op een normale laptop worden gebruikt.’ Machine learning is een techniek waarbij een computerprogramma leert van voorbeelddata om nieuwe situaties te voorspellen, zonder expliciet geprogrammeerd te zijn.

Tijdens een demo doorzocht de tool meer dan een biljoen renovatiepakketten voor een rijtjeshuis, terwijl daarvoor slechts zo’n 350.000 trainingsscenario’s nodig zijn. ‘De 350.000 scenario’s geven een nauwkeurige voorspelling van de biljoenen scenario’s’, aldus Havinga. Alexis Cvetkov-Iliev, postdoctoraal onderzoeker en machinelearningexpert van de afdeling Wiskunde en Informatica, maakt deel uit van het team.

Overheidssteun en uitrol
De Nederlandse overheid kondigde in april 2026 aan door te gaan met financiering van het project. ‘Ze willen dit op grotere schaal uitrollen, een buurtmodel voor gemeenten ontwikkelen en het model de capaciteit geven om de koelbehoefte, energieopslagtechnologieën en slimme besturing van systemen te onderzoeken’, vertelt Havinga. Het team start de vervolgfase op 1 juli. ‘Tegen het einde van dit jaar of begin volgend jaar wil de overheid een model dat op een overheidswebsite kan worden geïmplementeerd. En er zullen tv- en mediacampagnes zijn om mensen in Nederland aan te moedigen de website te bezoeken en onze tool te gebruiken.’