Elke aannemer kent het beeld: de stapel inkomende facturen van onderaannemers groeit, en iemand moet uitzoeken bij welk project elke factuur hoort, of het bedrag klopt met de afspraak, en of er al eerder voor betaald is. Daar weegt de projectmarge het zwaarst. Niet omdat de onderaannemer iets fout doet, maar omdat het matchen van facturen aan opdrachten, termijnen en meerwerk tijd kost en fouten oplevert.
Met AI kun je dat uitzoekwerk grotendeels weghalen. Niet door elke factuur blind door te draaien, maar door de gegevens automatisch uit te lezen, te koppelen aan project en werk, en alleen de afwijkingen bij een mens neer te leggen. Hieronder staat hoe dat in de praktijk werkt, waar je op moet letten en wat het oplevert voor je projectadministratie.
Waarom onderaannemerfacturen extra controle vragen
Onderaannemerfacturen zijn geen gewone inkoopfacturen. Een factuur van een installateur of grondwerker verwijst zelden naar een enkel artikelnummer; hij verwijst naar een project, een werk, een termijn of meerwerk dat eerder is afgesproken. Zonder die context kun je het bedrag niet controleren. Is dit de tweede termijn van de afgesproken aanneemsom? Hoort dit meerwerk bij de opdracht, of was het nooit afgesproken? Staat de factuur op het juiste project, of verdwijnt de kostenpost in een algemene pot?
Daarom is factuurverwerking in de bouw meer dan een kwestie van uitlezen. Het gaat om koppelen en controleren. En juist dat koppelen gebeurt in veel bedrijven nog handmatig, met mappen, spreadsheets en het geheugen van de projectleider. Zodra er meerdere projecten lopen, wordt dat onhoudbaar. Een algemene uitleg van hoe AI facturen verwerkt staat in Factuurverwerking automatiseren met AI; dit artikel gaat specifiek over de bouwpraktijk.
Factuurgegevens, projectcodes en werkbonnen uitlezen
De eerste stap is hetzelfde als bij elke documentstroom: de factuur automatisch uitlezen. AI haalt uit de pdf of scan de gebruikelijke gegevens op: leverancier, factuurnummer, datum, bedrag en btw. Daar houdt het voor een bouwfactuur niet op. De relevante gegevens zijn juist de projectcode, de omschrijving van het werk, het termijnnummer en eventuele verwijzingen naar werkbonnen of meerwerkafspraken.
Een model dat getraind is op algemene facturen mist die velden soms, omdat ze in elke administratie anders heten. Daarom werkt dit goed als je de uitleesregels afstemt op je eigen projectadministratie of bouwsoftware. Welke codes gebruikt je administratie, hoe zien termijnfacturen van je vaste onderaannemers eruit, en waar staat op de werkbon het aantal gewerkte uren of de gebruikte materialen? Dat is precies waar documentverwerking om draait: niet alleen lezen, maar ook koppelen aan de systemen die je al gebruikt.
Vallen de gegevens samen met werkbonnen die al binnen zijn? Dan kan de koppeling nog een stap verder gaan. Wie werkbonnen ook automatisch laat verwerken, kan de factuur direct vergelijken met de uren en materialen die op de bouwplaats zijn vastgelegd. Zie daarvoor Werkbonnen automatisch verwerken met AI. Een breder overzicht van bouwadministratieprocessen die voor automatisering in aanmerking komen, staat in Administratie automatiseren in de bouw: 7 processen die je kunt verbeteren.
Matchen met opdracht, termijn, meerwerk en goedkeuring
Uitlezen is het makkelijke deel. Het echte werk zit in het matchen: klopt deze factuur met de opdracht, de termijnplanning en het meerwerk dat is afgesproken?
Een werkende workflow controleert daarbij een aantal vaste punten:
- Is er een opdracht of aannemingsovereenkomst voor deze onderaannemer en dit project?
- Komt het factuurbedrag overeen met de afgesproken termijn, of met de som van de bijbehorende werkbonnen?
- Is meerwerk op de factuur ook echt goedgekeurd, bijvoorbeeld door de projectleider of via een meerwerkopdracht?
- Is er niet al een eerdere factuur met hetzelfde factuurnummer of dezelfde termijn betaald?
Klopt alles, dan loopt de verwerking door naar je administratie of boekhoudpakket. Wijkt er iets af, dan stopt de stroom en komt de factuur bij de projectleider terecht. Die beslist, in plaats van dat het systeem de afwijking stilzwijgend goedkeurt of wegschrijft. Wanneer menselijke goedkeuring nodig blijft en wanneer je kunt doorlopen, staat losser beschreven in Human in the loop bij AI-automatisering.
Afwijkingen signaleren voor projectleider of administratie
De meeste waarde zit in het afvangen van de uitzonderingen. Een afwijkend bedrag, een ontbrekende projectcode, een dubbel factuurnummer of meerwerk zonder goedkeuring: dat zijn precies de situaties waarin eerder fouten en dubbele betalingen ontstonden.
Een goede workflow legt die afwijkingen niet alleen neer bij de eerstvolgende persoon die toevallig langsloopt, maar bij de juiste eigenaar. Ontbreekt de projectreferentie, dan gaat de factuur naar de administratie om na te zoeken. Betreft het een bedrag dat boven een afgesproken drempel ligt, dan is de projectleider aan zet. Zo blijft de menselijke controle gericht op de facturen die erom vragen, in plaats van op de hele stapel.
Hetzelfde patroon geldt voor de controle achteraf. Wie afwijkingen al tijdens de verwerking signaleert, hoeft ze later niet meer uit een overzicht te vissen. Meer over het signaleren van afwijkingen in rapportages staat in Afwijkingen in rapportages automatisch signaleren met AI.
Van factuurverwerking naar actuele projectmarge
Als facturen worden gekoppeld aan project en werk, krijg je er automatisch iets bij: een actueel beeld van wat elk project tot nu toe kost. Elke goedgekeurde factuur wordt een kostenpost op het juiste project, en daarmee verschuift de nacalculatie van achteraf naar tijdens het werk.
Dat is het moment waarop factuurverwerking ophoudt een kostenpost te zijn en iets oplevert. Een project waarvan de onderaannemerskosten structureel boven de raming liggen, zie je dan al halverwege, niet pas bij de oplevering. De rapportages die daarvoor nodig zijn, kunnen zichzelf samenstellen: kosten per project, marge per project en de afwijkingen ten opzichte van de calculatie.
Voor bouwbedrijven die dit willen inrichten, is er ook een overzicht van wat er voor de bouwbranche is gebouwd: AI-automatisering voor de bouw. Daar staat onder meer hoe onderaannemerfacturen en werkbonnen aan het juiste project worden gekoppeld en waar de marge het vaakst weglekt.
Veelgestelde vragen
Wat kan AI precies uitlezen uit een onderaannemerfactuur?
In de praktijk haalt AI de standaardgegevens eruit: leverancier, factuurnummer, datum, bedrag en btw. Verder leest het de bouwspecifieke velden, zoals projectcode, termijnnummer en verwijzingen naar werk of werkbonnen. Hoe beter die velden zijn afgestemd op jouw administratie, hoe betrouwbaarder het resultaat.
Moet een projectleider elke factuur nog goedkeuren?
Nee. De werkstroom legt alleen afwijkingen voor: een bedrag dat niet klopt met de afspraak, een ontbrekende projectcode of meerwerk zonder goedkeuring. Facturen die matchen met opdracht en termijn lopen automatisch door naar de administratie. De projectleider ziet dus alleen de uitzonderingen.
Hoe weet AI of een factuur bij het juiste project hoort?
Dat weet het systeem niet uit zichzelf; het leert het uit jouw regels en historie. Je geeft aan welke projectcodes en termijnstructuren je gebruikt en hoe facturen van vaste onderaannemers eruitzien. Daarna matcht de workflow de factuur met de opdracht, en bij twijfel gaat de factuur naar een persoon.
Wat gebeurt er met de factuurgegevens voor mijn projectmarge?
Elke goedgekeurde factuur wordt een kostenpost op het juiste project. Daardoor kun je per project zien wat de onderaannemers tot nu toe kosten, en hoe dat zich verhoudt tot de calculatie. De nacalculatie loopt zo mee met het project in plaats van erachteraan.