Zo kies je het juiste model voor energiebesparing door isolatie

In vergelijkbare Nederlandse woningen is de energierekening van de 10% meest onzuinige bewoners grofweg drie keer zo hoog als die van de 10% zuinigste bewoners. Zelfde type huis, totaal ander verbruik. Dat ene feit laat zien waarom het zo riskant is om energiebesparing door woningisolatie te “berekenen” met een verkeerd model.

Nederland zet zwaar in op woningisolatie als motor van de energietransitie. Gemeenten, corporaties, energieloketten, adviseurs en AI‑toepassingen rekenen volop aan scenario’s, besparingen en CO₂‑reductie. Maar wie het verkeerde energieverbruiksmodel kiest, kan de besparing gemakkelijk met een factor drie overschatten. Dat is precies wat het recente onderzoek van het Planbureau voor de Leefomgeving (PBL) laat zien.

In deze blog leg ik uit waarom de keuze van het model cruciaal is, welke typen modellen er zijn, hoe je ze fit-for-purpose inzet, en wat dit betekent voor beleid, adviespraktijk én AI‑toepassingen in de Nederlandse energie­transitie.

Waarom het model dat je kiest je hele businesscase kan maken of breken

De kern is eenvoudig: isolatie bespaart nooit méér energie dan er wordt verbruikt. Toch gebeurt het in de praktijk dat berekende besparingen hoger uitvallen dan het daadwerkelijke startsverbruik. Dan klopt er dus fundamenteel iets niet in de rekenaanpak.

Dat probleem ontstaat vaak doordat een normeringsmodel (ontwikkeld voor bouwregels en energielabels) wordt gebruikt voor een heel ander doel, zoals:

• Het doorrekenen van effecten op wijk- of landelijk niveau
• Het maken van individuele besparingsadviezen voor bewoners
• Het voeden van AI‑tools die besparing en CO₂‑reductie schatten

Normeringsmodellen, zoals de Nederlandse NTA8800, werken met bewust conservatieve aannames: hoge binnentemperatuur, bewoners vaak thuis, volledig verwarmde woning. Dat is nuttig om te voorkomen dat bouwers zich te rijk rekenen bij nieuwbouw. Maar als je die uitgangspunten gebruikt om werkelijke besparingen in bestaande woningen te schatten, schiet je er fors overheen.

De PBL‑analyse op virtuele testwoningen laat zien dat bij slechte energielabels de besparing met een normeringsmodel tot een factor drie hoger kan uitvallen dan met methodes die aansluiten bij CBS‑statistieken.

Voor wie beleid maakt, subsidieregelingen ontwerpt of bewoners adviseert, is dat geen detail. Het bepaalt:

• Of klimaatdoelen voor 2030 en 2050 realistisch zijn
• Of businesscases voor isolatieprogramma’s kloppen
• Of bewoners straks teleurgesteld raken in “beloofde” besparingen

Drie typen energieverbruiksmodellen – en waar ze wél en niet voor bedoeld zijn

De PBL‑studie onderscheidt grofweg drie typen modellen die in Nederland worden gebruikt om energieverbruik en besparing door woningisolatie te berekenen.

1. Normeringsmodellen (zoals NTA8800)

Doel:

• Toetsen of nieuwbouwwoningen voldoen aan energieprestatie‑eisen
• Bepalen van energielabels van bestaande woningen

Belangrijke kenmerken:

• Honderden technische parameters
• Conservatieve aannames over gedrag en gebruik
• Gericht op normeren en juridisch borgen, niet op voorspellen van echt verbruik

Wel gebruiken voor:

• Ontwerp en beoordeling van nieuwbouw
• Energielabels voor verkoop en verhuur
• Vergelijking van theoretische energieprestatie van woningen

Niet gebruiken voor:

• Inschatting van gemiddeld energieverbruik in de praktijk
• Bepalen van verwachte energiebesparing door isolatie
• Individuele adviezen over verbruik en kosten

Wie toch met een normeringsmodel gaat rekenen aan besparing, loopt het risico dat de geschatte besparing hoger is dan het huidige verbruik. Dan weet je zeker dat je fout zit.

2. Beleids- en projectiemodellen (wijk- en nationaal niveau)

Doel:

• Beleidsmakers inzicht geven in de gemiddelde besparing van maatregelen
• Scenario’s maken voor wijken, steden of heel Nederland

In deze categorie vallen twee benaderingen:

1. Bouwfysische modellen met gemiddelde parameters
   Voorbeelden zijn modellen als Warmteprofielengenerator of Hestia. Ze lijken qua opbouw op normeringsmodellen, maar gebruiken gemiddelde in plaats van conservatieve aannames (gemiddelde binnentemperatuur, gemiddelde bezetting, enz.).

2. Statistische modellen op basis van verbruiksdata
   Bijvoorbeeld modellen die gebruikmaken van referentieverbruik per woningtype en label, gebaseerd op CBS‑data en energiegegevens van leveranciers.

Wel gebruiken voor:

• Het schatten van gemiddelde energiebesparing per maatregel op wijk- of landelijk niveau
• Doorrekenen van beleid (subsidies, normering, regie op de warmtetransitie)
• Monitoring van voortgang richting klimaatdoelen

Niet gebruiken voor:

• Fijnmazige, individuele adviezen aan een specifieke bewoner
• Gedetailleerde inschatting van comfort- of gezondheidswinst per woning

3. Maatwerkadviesmodellen voor bewoners

Doel:

• Huiseigenaren en huurders een realistische inschatting geven van hun persoonlijke besparing, kosten en comfortwinst

Voorbeelden zijn online tools zoals Verbeterjehuis.nl. Deze modellen:

• Gebruiken sterk vereenvoudigde bouwfysische rekenkernen
• Zijn aangepast om dicht bij gemiddeld werkelijk gebruik te komen
• Bieden ruimte om belangrijke parameters aan te passen, zoals:
  • Huidig gas- en stroomverbruik
  • Thermostaatinstelling
  • Aantal bewoners en aanwezigheid

Wel gebruiken voor:

• Persoonlijke besparingsadviezen
• Gesprekken aan de keukentafel, energieloketten, wijkaanpakken
• Onderbouwde offertes door aannemers en installateurs

Niet gebruiken voor:

• Officiële normtoetsing, bouwregelgeving of energielabels
• Nationale beleidsprojecties zonder extra kwaliteitscontrole

Gedrag, kwaliteit en startverbruik: de drie grote variabelen

Hoeveel energiebesparing isolatie in de praktijk oplevert, hangt af van drie factoren die modellen vaak maar beperkt kunnen vangen.

1. Bewonersgedrag maakt of breekt de besparing

De verschillen tussen bewoners zijn enorm:

• Sommige mensen verwarmen alleen de woonkamer tot 18 °C
• Anderen stoken het hele huis naar 21–22 °C en laten ramen vaker open
• Deel van de huishoudens is overdag vaak weg; anderen zijn bijna altijd thuis

Het PBL‑onderzoek bevestigt dat de 10% meest onzuinige bewoners ongeveer drie keer zoveel verbruiken als de 10% zuinigste, in dezelfde soort woningen. Dat betekent ook dat de potentiële besparing door isolatie flink uiteenloopt:

• Een al zuinige gebruiker kan relatief weinig extra besparen
• Een onzuinige gebruiker kan juist veel winnen – óf meer comfort nemen in plaats van puur energiebesparing

Voor AI‑toepassingen en adviesmodellen in Nederland is dit een belangrijk punt: vraag altijd naar het huidige verbruik en gedrag. Zonder die informatie zakt de nauwkeurigheid van elke besparingsinschatting dramatisch in.

2. Kwaliteit van uitvoering: koudebruggen en kieren

Isolatie op papier is nog geen isolatie in het echt. In de praktijk gaat er veel mis:

• Koudebruggen bij ongeïsoleerde aansluitingen
• Onvoldoende aandacht voor kierdichting
• Onjuist aangebracht materiaal (holle ruimtes, doorlopende kieren)

Modellen gaan vaak uit van ideale of gemiddelde uitvoering, terwijl de realiteit varieert van topkwaliteit tot half werk. Voor gemeenten, woningcorporaties en grote verduurzamingsprogramma’s is strak kwaliteitsmanagement op de uitvoering net zo belangrijk als het rekenmodel.

3. Startverbruik moet kloppen – anders klopt niets

Dit is de belangrijkste les uit het PBL‑onderzoek:

Wie een gemiddeld effect van isolatie wil schatten, moet rekenen met een startverbruik dat overeenkomt met statistische gemiddelden (bijvoorbeeld CBS‑data).

Als je start met een te hoog verbruik (zoals in veel normeringsmodellen), krijg je automatisch te hoge besparingen. Daarom geldt:

• Controleer altijd of het startverbruik in je model in de buurt ligt van werkelijke gemiddelden
• Gebruik waar mogelijk werkelijke verbruiksdata van vergelijkbare woningen
• Wees extra kritisch als de berekende besparing hoger is dan het huidige verbruik

Wat betekent dit concreet voor beleid, advies en AI‑toepassingen?

De Nederlandse energietransitie leunt steeds zwaarder op data, modellen en AI. Dat is logisch: de gebouwde omgeving is complex, de opgave gigantisch, de tijd tot 2030 en 2050 kort. Juist daarom is het cruciaal dat we het juiste model voor de juiste vraag kiezen.

Voor beleidsmakers en analisten

• Gebruik normeringsmodellen alleen waarvoor ze zijn bedoeld: toetsing, labels, normen
• Kies voor beleidsprojecties modellen die zijn gekalibreerd op CBS‑ en praktijkdata
• Check of de gemiddelde besparing per maatregel niet hoger uitkomt dan het gemiddelde verbruik – zo ja, dan klopt je uitgangspunt niet
• Bouw in je beleid ruimte in voor onzekerheidsmarges door gedrag en uitvoering

Voor gemeenten, energieloketten en corporaties

• Gebruik maatwerkadviesmodellen voor individuele bewonersgesprekken
• Laat bewoners hun huidige jaarverbruik invullen; dat is vaak een betere basis dan alleen label en bouwjaar
• Leg uit dat isolatie niet alleen om gasbesparing gaat, maar ook om:
  • Comfort (minder tocht, gelijkmatige temperatuur)
  • Gezondheid (droger, minder schimmel, vooral bij slechte labels)
  • Geluidsreductie (minder overlast van verkeer of buren)
• Monitor in pilots het werkelijke verbruik vóór en na isolatie, zodat je je aanpak steeds beter kunt ijken

Voor AI‑ontwikkelaars in de energiesector

In het kader van “AI voor Nederlandse Energie: Duurzame Transitie” is dit onderzoek goud waard.

• Train modellen op gekalibreerde data (CBS, gemeten verbruiken), niet alleen op normeringsresultaten
• Laat AI‑tools altijd expliciet vragen naar:
  • Huidig gas- en stroomverbruik
  • Thermostaatinstelling
  • Bewonersprofiel (thuis/weg)
• Vermijd dat AI 1-op-1 normeringsuitkomsten vertaalt naar praktische besparingen
• Geef onzekerheidsbandbreedtes: “verwachte besparing 400–700 m³ gas per jaar”, geen schijnnauwkeurigheid tot achter de komma

Zo wordt AI geen bron van overspannen verwachtingen, maar een betrouwbare ondersteuning voor bewoners, gemeenten en adviseurs.

Isolatie is meer dan alleen kilowatturen en kubieke meters gas

Hoewel dit PBL‑onderzoek zich richt op energiebesparing, is het eigenlijk te kort door de bocht om isolatie alleen als “gasbesparingsmaatregel” te zien.

Goede isolatie levert óók:

• Meer comfort – geen koude muren meer, minder tocht, minder temperatuurschommelingen
• Betere gezondheid – zeker bij woningen met slechte labels: minder vocht, schimmel en koude zones
• Minder geluidsoverlast – van verkeer, spoor, buren

Nederlandse bewoners ervaren deze effecten vaak als minstens zo belangrijk als de euro’s op de energierekening. Voor draagvlak in wijken is het slim om comfort, gezondheid en rust expliciet mee te nemen in adviezen, gesprekken en AI‑tools.

Waarom meer empirisch onderzoek onmisbaar is

De eerlijkheid: we weten nog steeds verrassend weinig over het werkelijke effect van isolatiemaatregelen in Nederlandse woningen.

• Er zijn weinig grootschalige voor‑ en nametingen
• Statistieken houden niet precies bij welke isolatie waar, wanneer en hoe goed is aangebracht
• Pas recent zijn volledige energieverbruiksgegevens onder strenge voorwaarden beschikbaar voor onderzoek

Daarom zijn we nu nog sterk afhankelijk van modellen. En modellen zijn zo goed als hun aannames. PBL pleit daarom terecht voor meer empirisch onderzoek:

• Meten van verbruik vóór en na isolatie op grote schaal
• Koppelen van verbruiksdata aan woningkenmerken en uitgevoerde maatregelen
• Systematisch vastleggen van uitvoeringskwaliteit

Hoe beter die basisdata, hoe betrouwbaarder onze berekeningen, AI‑systemen en beleidsbeslissingen worden – en hoe kleiner de kans dat we de broeikasgasreductie door isolatie overschatten.

Wat je hier morgen al mee kunt doen

Voor iedereen die met woningisolatie bezig is – van gemeente tot AI‑startup en van corporatie tot energieadviseur – zijn er een paar directe acties:

1. Check je model:
   Werk je met een normeringsmodel voor besparingsinschattingen? Dan is het tijd om dat tegen het licht te houden.

2. Kalibreer op realiteit:
   Zorg dat je startverbruik aansluit bij werkelijke verbruiksstatistieken of klantdata.

3. Vraag naar gedrag:
   Neem bewonersgedrag expliciet mee in je analyses en adviezen.

4. Meet het na:
   Richt projecten zo in dat je verbruik vóór en na de maatregelen meet en analyseert.

5. Communiceer eerlijk:
   Beloof geen onrealistische besparingen; benoem comfort en gezondheid als volwaardige pluspunten.

De energietransitie in de gebouwde omgeving draait niet alleen om meer isolatie, maar ook om slimmer rekenen. Wie het juiste model kiest, voorkomt teleurstellingen, bouwt vertrouwen op bij bewoners en houdt de nationale klimaatdoelen geloofwaardig.

---

Veelgestelde vraag: hoe weet ik of mijn model “fit-for-purpose” is?

Stel jezelf drie korte vragen:

1. Is dit model ontworpen voor het doel waarvoor ik het nu gebruik?
2. Ligt het startverbruik in de buurt van CBS‑gemiddelden of gemeten data?
3. Overschrijdt de berekende besparing soms het huidige verbruik? Zo ja, dan is er iets fundamenteel mis.

Als het antwoord op vraag 1 of 3 niet bevalt, dan is dit hét moment om je rekenaanpak aan te passen. De Nederlandse energietransitie heeft niet alleen ambitie nodig, maar ook realistische berekeningen die die ambitie waar kunnen maken.