Volgens FMI en Autodesk (2021) kostte slechte data de wereldwijde bouwsector in 2020 naar schatting €1,58 biljoen. Dit wordt berekend door de door IBM geschatte verhouding tussen de kosten van slechte data en het bbp (16,5%) toe te passen op het aandeel van de bouwsector in het wereldwijde bbp (13,2%). Bij een aannemer met een jaaromzet van €1 miljard wordt geschat dat tot €165 miljoen aan omzet wordt beïnvloed door slechte data, waarvan €7,1 miljoen aan herwerk direct vermijdbaar is door betere datakwaliteit.
Onderzoek & Bewijs
De kosten van
slechte data
in de bouw.
Slechte data is geen klein ongemak. Het is een structurele kostenpost die elk bouwbedrijf draagt — verankerd in herwerk, verkeerde beslissingen en operationele fouten. De cijfers zijn nauwkeurig. Het probleem is oplosbaar.
40%
van de data van een gemiddeld bouwbedrijf is slecht — onnauwkeurig, onvolledig, inconsistent of niet op tijd beschikbaar
41%
van de tijd leidt slechte projectdata rechtstreeks tot slechte beslissingen bij Europese bouwbedrijven
€1.58T
geschatte totale kosten van slechte data voor de wereldwijde bouwsector, alleen al in 2020
Het bewijsDe bouw genereert meer data
De bouw genereert meer data
dan ooit. Het meeste is onbruikbaar.
Het onderzoek is eenduidig. Slechte data in de bouw is geen uitzondering — het is de norm. En de gevolgen reiken veel verder dan individuele projecten.
Een onderzoek van FMI en Autodesk uit 2021 ondervroeg 1.115 bouwprofessionals in heel Europa. De bevindingen zijn onthutsend: 82% van de bedrijven verzamelt meer data dan drie jaar geleden — toch zegt 39% dat minder dan de helft van die data daadwerkelijk bruikbaar is.
De onderliggende oorzaken zijn consistent in elk onderzocht land. Data is onnauwkeurig. Data is onvolledig. Data is inconsistent tussen systemen en partijen. En cruciaal: data komt vaak te laat — te laat om nog invloed te hebben op de beslissingen die ze hadden moeten ondersteunen.
Het resultaat: 41% van de projectmanagers neemt beslissingen op basis van data die ze niet volledig kunnen vertrouwen. In een sector waarin een verkeerde inkoopbeslissing of een verkeerd geclassificeerd element kan uitmonden in dagen herwerk, is dit geen datakwaliteitsprobleem. Het is een operationeel risico.
Het McKinsey Global Institute voegt een langetermijnperspectief toe. De arbeidsproductiviteit in de bouw is de afgelopen twintig jaar met slechts 1% per jaar gegroeid — tegenover 2,8% voor de totale economie. Een aanzienlijk deel van dat verschil is toe te schrijven aan informatiefouten: verkeerde beslissingen op basis van slechte data, project na project herhaald.
"Het niveau van besluitvorming op de bouwplaats is altijd hoog geweest, maar deze beslissingen werden vooral genomen op basis van ervaring en niet op basis van analyse."
BIM-coördinator, Duitse hoofdaannemer — FMI / Autodesk 2021
"We hadden een project dat vreselijk misging. Twee jaar later hadden we exact hetzelfde project. We maakten opnieuw dezelfde fouten — alles was vermijdbaar."
Manager Innovatie & Kwaliteit, Britse aannemer — FMI / Autodesk 2021
In cijfersNegen cijfers die
Negen cijfers die
het probleem definiëren.
14%
van al het herwerk wereldwijd veroorzaakt door slechte data
Herwerk vertegenwoordigt 5% van de totale wereldwijde bouwuitgaven. Beslissingen op basis van slechte data zijn verantwoordelijk voor 14% daarvan — een onevenredig en grotendeels te voorkomen aandeel.
€165M
geraakt per €1 miljard aan jaaromzet
Bij een aannemer met een jaaromzet van €1 miljard wordt geschat dat meer dan €165 miljoen aan omzet wordt beïnvloed door slechte data, verspreid over inkoop, uitvoering en beheer.
95%
van de bouwdata wordt nooit gebruikt
Het overgrote deel van de data die op bouwprojecten wordt verzameld, levert geen operationele waarde op — ze wordt verzameld maar nooit vertaald naar beslissingen of onderliggende systemen.
13%
van de tijd van engineers gaat verloren aan het zoeken naar data
Engineers en projectmanagers besteden meer dan één op de acht werkuren simpelweg aan het zoeken naar informatie die direct toegankelijk zou moeten zijn — tijd die niets oplevert.
30%
van de bouwkosten zijn faalkosten
Tot 30% van de totale projectkosten in de bouw is toe te schrijven aan faalkosten — herwerk, verspilling en correcties die voor een groot deel terug te voeren zijn op informatie- en datafouten.
5–10%
van de projectkosten gaat naar direct herwerk
Het Construction Industry Institute schat dat 5 tot 10 procent van de projectkosten opgaat aan direct herwerk — waarvan een aanzienlijk deel voortkomt uit informatieproblemen.
9%
gebruikt data altijd bij besluitvorming
Slechts 9% van de bouwprofessionals gebruikt projectdata altijd bij besluitvorming. 64% doet dit soms, zelden of nooit — en vertrouwt onder tijdsdruk standaard op onderbuikgevoel.
Top 3
slechte data als oorzaak van projectoverschrijdingen
KPMG noemt slecht data- en informatiemanagement als een van de drie belangrijkste oorzaken van kosten- en planningsoverschrijdingen bij bouwprojecten — naast planningsfouten en problemen in de toeleveringsketen.
77%
van de megaprojecten wordt 40%+ te laat opgeleverd
McKinsey ontdekte dat de overgrote meerderheid van grootschalige projecten aanzienlijk uitloopt op de planning — een probleem dat deels voortkomt uit slecht informatiemanagement en datagedreven planningsfouten.
Wat het u kostVan wereldwijde cijfers
Van wereldwijde cijfers
naar uw eigen cijfers.
De wereldwijde cijfers zijn opvallend. Maar de echte vraag is wat slechte data uw organisatie specifiek kost. Gebruik onderstaand model om uw risico in te schatten.
Hoe het wereldwijde cijfer wordt berekend
€ 108Twereldwijd bbp 2025
× 13%
€ 14.04Twereldwijd bbp 2025 in de bouw
× 5%
€ 702BKosten van herwerk
× 14%
€ 98.28BVermijdbaar herwerk door slechte data
T = Biljoen (1012), B = Miljard (109).
Schat uw eigen risicoin
Gebaseerd op de FMI / Autodesk-methodologie voor Europese bouwbedrijven.
Annual revenue (click to edit)
Annual rework cost (5% of revenue)
€50,000.00
Avoidable rework (14%)
€7,000.00
Specifiek in BIM-workflowsWaar slechte data
Waar slechte data
uw modellen binnenkomt — en zich verspreidt.
De cijfers voor de hele sector schetsen het volledige beeld. Maar in BIM-gedreven workflows heeft het probleem een specifieke oorsprong: datafouten die ontstaan in Revit en zich vervolgens verspreiden door elk systeem dat ervan afhankelijk is.
Ontbrekende of onjuiste classificatie
Elementen zonder correcte classificatiecodes kunnen niet betrouwbaar worden gebruikt voor inkoop, kostenraming of oplevering. Elk systeem verderop in de keten doet aannames — en die aannames lopen uiteen. Inconsistente parameterwaarden
Hetzelfde element wordt door architect, constructeur en aannemer anders beschreven. Drie versies van de waarheid betekenen dat geen enkele versie wordt vertrouwd — en handmatige afstemming vult het gat. Acceptatie zonder verificatie
Modellen worden onder tijdsdruk goedgekeurd zonder structurele datacontroles. Fouten worden formeel afgetekend en krijgen daarmee het gezag van een opgeleverd model. IFC-export als het punt zonder terugkeer
Zodra een gebrekkig model een IFC-bestand wordt, behandelt elk onderliggend systeem — ERP, toeleveringsketen, construction OS, digital twin — de fouten als absolute waarheid. Er is geen automatisch herstel. Veelgestelde vragenDe vragen die besluitvormers
De vragen die besluitvormers
daadwerkelijk stellen.
Directe antwoorden op de meest gestelde vragen over de kosten van datakwaliteit in de bouw — geoptimaliseerd voor duidelijkheid en precisie.
Wat kost slechte data de bouwsector?
+
Welk percentage van de bouwdata is slecht?
+
Onderzoek van FMI en Autodesk onder 1.115 Europese bouwprofessionals toonde aan dat 40% van de data van een gemiddelde organisatie slecht is — gedefinieerd als onnauwkeurig, onvolledig, inconsistent of niet op tijd beschikbaar. Daarnaast wordt 95% van alle verzamelde bouwdata nooit operationeel gebruikt, wat betekent dat het geen waarde levert aan de processen of systemen die ervan afhankelijk zijn.
Hoe beïnvloedt slechte data de besluitvorming in de bouw?
+
Het FMI/Autodesk-onderzoek uit 2021 toonde aan dat slechte projectdata in 41% van de gevallen tot slechte beslissingen leidt. Slechts 9% van de bouwprofessionals betrekt projectdata altijd bij hun besluitvorming — 64% doet dit soms, zelden of nooit, en vertrouwt onder tijdsdruk in plaats daarvan op onderbuikgevoel. KPMG noemt slechte data een van de drie belangrijkste oorzaken van kosten- en planningsoverschrijdingen bij projecten.
Wat veroorzaakt slechte data in BIM-modellen?
+
De belangrijkste oorzaken van slechte data in BIM-workflows zijn: (1) geen structurele datagovernance — regels bestaan op papier, maar worden nooit systematisch gehandhaafd, (2) onvolledige of inconsistente controles tijdens het modelleerproces, (3) modelacceptatie onder tijdsdruk in plaats van dataverificatie, en (4) IFC-export zonder validatie, waardoor fouten als absolute waarheid worden doorgegeven aan alle onderliggende systemen, zonder herstelpunt.
Hoeveel tijd verliezen bouwprofessionals aan dataproblemen?
+
Volgens FMI/Autodesk (2021) besteden projectmanagers en uitvoerders gemiddeld 49% van hun werktijd aan het verzamelen, beheren en analyseren van projectdata — waarvan een groot deel uiteindelijk onbruikbaar blijkt. McKinsey schat dat 13% van de werktijd van engineers verloren gaat aan het zoeken naar informatie die direct toegankelijk zou moeten zijn. Deze tijd levert geen output en geen waarde op.
Hoe kan DAQS de kosten van slechte data verlagen?
+
DAQS pakt het probleem structureel aan — niet als rapportagetool, maar als intelligente laag die is ingebed in de datapijplijn. Door modeldata te valideren aan governanceregels en de eisen van onderliggende systemen vóórdat ze wordt doorgezet, gevalideerde data te transformeren naar formaten die systemen direct kunnen verwerken, en output te koppelen aan operationele omgevingen zonder handmatige vertaalslag, elimineert DAQS de belangrijkste bronnen van datafouten volledig uit de workflow.
Ontvang de volledige onderbouwing als PDF.
De volledige brondata, methodologie en de visie van DAQS op de kosten van slechte data in de bouw — opgemaakt voor intern delen en het onderbouwen van een business case.