Synthetic Homes: An Accessible Multimodal Pipeline for Producing Residential Building Data with Generative AI

Dit artikel introduceert een modulaire, multimodale pipeline die gebruikmaakt van generatieve kunstmatige intelligentie om realistische, synthetische data over woongebouwen te genereren op basis van publiek toegankelijke beelden, waardoor de afhankelijkheid van kostbare of privacygevoelige bronnen voor energie- en bouwsimulatie wordt verminderd.

Jackson Eshbaugh, Chetan Tiwari, Jorge Silveyra

Gepubliceerd 2026-03-10
📖 4 min leestijd☕ Koffiepauze-leesvoer

Each language version is independently generated for its own context, not a direct translation.

Stel je voor dat je een enorme, digitale stad wilt bouwen in een computer. Je wilt weten hoeveel stroom al die huizen verbruiken, hoe je ze energiezuiniger kunt maken, en wat er gebeurt als het warmer wordt. Dit noemen onderzoekers "energiemodels".

Het probleem is: om deze digitale stad te bouwen, heb je de blauwdrukken, de bouwmaterialen en de details van elk echt huis nodig. Maar die informatie is vaak geheim (privacy), te duur om te kopen, of gewoon niet beschikbaar. Het is alsof je een gigantisch legpuzzel wilt maken, maar de helft van de stukjes is verdwenen of in een kluis opgesloten.

De auteurs van dit paper hebben een slimme oplossing bedacht: Synthetische Huizen. Ze hebben een "magische fabriek" gebouwd die nieuwe, nep-huizen creëert die er net zo echt uitzien als de echte, maar dan zonder de privacyproblemen.

Hier is hoe hun machine werkt, vertaald in een simpel verhaal:

1. De Verzamelaar (De Web-Scraper)

Eerst gaat een digitale robot op pad. Hij kijkt naar openbare databases van gemeenten, waar mensen hun huisadres en een foto van hun gevel of plattegrond kunnen vinden. Het is alsof de robot door een wijk loopt, elke voordeur opent (virtueel), en een lijstje maakt: "Dit huis heeft 3 slaapkamers, is gebouwd in 1980 en heeft een bakstenen gevel." Hij slaat ook de foto's op.

2. De Kunstenaar (De AI die kijkt)

Nu komt de magie. De robot geeft die foto's aan een slimme kunstenaar genaamd LLaVA.
Stel je voor dat je een foto van een dak aan een mens laat zien en vraagt: "Is dit dak goed?" De mens kijkt alleen naar het dak, niet naar de boom ernaast.
De onderzoekers hebben getest of hun AI dat ook doet. Ze hebben gekeken of de AI zich concentreerde op het dak of juist op de grasmat.

  • GPT (een andere AI) keek soms willekeurig, alsof hij naar de hele foto keek en niet wist waar hij moest kijken.
  • LLaVA was als een scherpe inspecteur: hij keek precies naar het dak. Als je het dak op de foto bedekte (met een zwarte vlek), veranderde zijn antwoord. Als je de boom bedekte, bleef zijn antwoord hetzelfde. Dit bewijst dat hij echt "begrijpt" wat hij ziet.

3. De Schrijver (De Tekst-AI)

Nu heeft de kunstenaar een beschrijving gemaakt van het huis. Deze beschrijving geeft hij aan een andere AI, GPT, die een tekstschrijver is.
De schrijver krijgt de opdracht: "Schrijf een inspectierapport alsof je door dit huis bent gelopen. Hoe oud is de verwarming? Is er isolatie? En schrijf ook een digitaal bouwplan (een GeoJSON-bestand) op basis van wat je ziet."
Het is alsof je een schrijver een foto geeft en vraagt om een compleet dossier te maken, inclusief de technische specificaties die je nodig hebt voor een simulatie.

4. De Simulator (De Energie-Rekenmachine)

Ten slotte nemen ze die digitale bouwplannen en het inspectierapport en stoppen ze ze in een programma genaamd EnergyPlus.
Dit programma is als een super-computer die het huis "naamt" en zegt: "Oké, als het hier -5 graden is, hoeveel gas verbruikt dit huis dan?" Het rekent precies uit hoeveel energie het huis nodig heeft.

Waarom is dit zo geweldig?

Vroeger moesten onderzoekers wachten tot ze dure, echte data kregen, of ze moesten huizen bezichtigen (wat duur en lastig is).
Met deze nieuwe "fabriek" kunnen ze:

  • Duizenden huizen in een paar uur maken.
  • Het kost bijna niets (ongeveer 1,4 cent per huis!).
  • Ze kunnen privacy volledig negeren, want de huizen bestaan niet echt.
  • Ze kunnen testen: "Wat als we in deze hele wijk zonnepanelen plaatsen?" zonder dat ze eerst een enkele echte dakpan hoeven aan te raken.

De Proef op de Som

De onderzoekers waren bang dat hun AI misschien "hallucineerde" (d.w.z. onzin verzon). Ze hebben hun nep-huizen dus vergeleken met een grote, betrouwbare database van echte Amerikaanse huizen (ResStock).
Het resultaat? De nep-huizen gedroegen zich bijna precies hetzelfde als de echte huizen. De isolatiewaarden, de dakmaterialen en het energieverbruik lagen in hetzelfde bereik.

Kortom:
Ze hebben een "3D-printer" voor huizen gebouwd, maar dan voor data. In plaats van plastic, printen ze met cijfers en beschrijvingen. Hierdoor kunnen onderzoekers nu goedkoop, snel en veilig experimenteren met hoe we onze steden energiezuiniger kunnen maken, zonder dat ze de privacy van onze buren hoeven te schenden. Het is alsof je een virtuele stad bouwt om te testen of je bruggen kunnen staan, voordat je ook maar één baksteen in de echte wereld legt.