Gemeentelijke warmteplannen zijn nog te vaag. Met data en AI kunnen gemeenten én zorginstellingen hun warmtetransitie concreet, betaalbaar en uitvoerbaar maken.
Gemeentelijke warmteplannen missen iets cruciaals: scherpte
6,9 miljoen gebouwen vallen inmiddels onder een gemeentelijk warmteplan. Klinkt indrukwekkend, tot je ziet dat 74% van die plannen geen kwantitatief doel heeft. Veel ambitie, weinig houvast.
Dit is niet alleen een probleem voor de energietransitie, maar óók voor de zorgsector. Zorgorganisaties – van ziekenhuizen tot verpleeghuizen – leunen op stabiele, betaalbare en steeds vaker duurzame warmte. Onzekerheid over warmtenetten, aardgasvrij en investeringen raakt direct hun bedrijfsvoering, investeringsagenda én patiëntcomfort.
In deze blog koppel ik de analyse van het Planbureau voor de Leefomgeving (PBL) aan de praktijk van Nederlandse gemeenten én zorginstellingen. En ik laat zien hoe data, algoritmes en AI kunnen helpen om warmteplannen concreter, uitvoerbaarder en betaalbaarder te maken – precies de insteek van onze serie “AI voor Nederlandse Zorg: Innovatie in de Gezondheidszorg”.
We gaan langs drie vragen:
- Waar lopen gemeenten nu vast met hun Transitievisies Warmte (TVW)?
- Wat betekent die vaagheid voor de gebouwde omgeving en specifiek voor zorgvastgoed?
- Hoe kan data en kunstmatige intelligentie helpen om warmteplannen aan te scherpen én sneller uit te voeren?
Waar staan we nu: veel plannen, weinig uitvoeringskracht
De kern: Nederlandse gemeenten hebben hun rol als regisseur van de warmtetransitie opgepakt, maar een groot deel van de plannen blijft hangen in de onderzoeks- en voorbereidingsfase.
Een paar harde cijfers uit de PBL-analyse:
- 338 warmteplannen (TVW’s) zijn geanalyseerd.
- 70% van de gemeenten onderschrijft het doel ‘aardgasvrije gebouwde omgeving’.
- 6,9 miljoen van de circa 9 miljoen gebouwen vallen onder ten minste één verduurzamingsplan.
- Voor 2030 vallen 1,7 miljoen gebouwen onder minimaal één concreet plan.
- Slechts een kwart daarvan nadert de uitvoeringsfase.
Doelen zonder routekaart
Het grootste knelpunt is de ontbrekende concretisering:
- 74% van de plannen heeft geen kwantitatief doel (bijv. aantal woningen van het gas af voor 2030).
- Minder dan de helft van de gemeenten formuleert tussendoelen voor 2030.
- Technische keuzes (warmtenet, all-electric, hybride, isolatiestrategie) en tijdpaden blijven vaak open.
In de gevallen waar wél keuzes zijn gemaakt, zien we voor 2030 o.a.:
- 370.000 nieuwe warmtenetaansluitingen;
- 79.000 volledig elektrische warmtepompen;
- 82.000 hybride warmtepompen;
- voor ca. 500.000 gebouwen is de techniek nog bewust “onbekend gelaten”.
Dit maakt de warmtetransitie voor veel partijen een soort project met bewegende doelpalen. Zeker zorginstellingen hebben daar last van: je plant geen meerjarenonderhoud, verbouwing of nieuwbouw als je niet weet of er over vijf jaar een warmtenet ligt, of je juist moet investeren in een grote eigen warmtepomp.
Doel Klimaatakkoord: nog niet in zicht
Tel je alleen de plannen die echt op aardgasvrije gebouwen mikken, dan halen we maximaal twee derde van de 1,5 miljoen verduurzaamde gebouwen die in het Klimaatakkoord voor 2030 staan. Alleen als ook grootschalige na-isolatie wordt meegeteld en gemeenten hun plannen versneld concretiseren, komt het doel binnen bereik.
Dat betekent: sneller besluiten, minder vrijblijvendheid én slimmer plannen. Daar ligt een duidelijke rol voor data en AI-ondersteuning, zowel bij gemeenten als bij grote vastgoedeigenaren zoals ziekenhuizen en zorginstellingen.
Wat belemmert gemeenten en wat merkt de zorgsector daarvan?
De PBL-analyse is helder: de meeste gemeenten willen wel, maar stuiten op randvoorwaarden en obstakels die ze niet alleen kunnen oplossen.
Drie grote obstakels
-
Financiële drempels
Ongeveer 80% van de plannen benoemt financiële obstakels:- onduidelijke businesscases voor warmtenetten;
- beperkte investeringsruimte bij gemeenten en woningcorporaties;
- betaalbaarheid voor bewoners en gebruikers.
-
Onzekerheid over haalbaarheid en robuustheid
Meer dan de helft van de plannen stelt als voorwaarde dat oplossingen technisch en economisch robuust moeten zijn. Logisch, want niemand wil over tien jaar concluderen dat de gekozen infrastructuur toch niet toekomstbestendig was. -
Gebrek aan duidelijk landelijk kader
Gemeenten vragen om heldere kaders over:- wanneer is een wijk ‘aangewezen’ voor een warmtenet;
- hoe ver reiken gemeentelijke bevoegdheden;
- welke rol spelen hernieuwbare gassen (groen gas, waterstof) in de gebouwde omgeving.
Het Rijk zet stappen – zoals het programma Versnelling verduurzaming gebouwde omgeving (sinds 2022) met extra subsidies, gunstige financiering en nieuwe wetgeving – maar veel van deze kaders zijn nog onderweg of pas recent ingevoerd.
Wat betekent dit voor zorgvastgoed?
Voor de zorgsector heeft deze onzekerheid concrete gevolgen:
-
Investeringen schuiven op
Een ziekenhuis dat twijfelt of het straks wordt aangesloten op een warmtenet of zelfvoorzienend moet worden met warmtepompen, stelt grote investeringen in installaties vaak uit. Dat kost tijd, geld en energie (letterlijk). -
Risico op suboptimale keuzes
Als een verpleeghuis nu een cv-installatie vervangt zonder zicht op het gemeentelijk warmteplan, kan het over enkele jaren alsnog opnieuw moeten investeren. Dat is zonde van schaarse zorgmiddelen. -
Complexe combinatie met zorgcontinuïteit
Je kunt een ziekenhuis of ggz-instelling niet zomaar een week dichtgooien om het warmtesysteem om te bouwen. Planning, faseringsstrategieën en risicoanalyse moeten extreem zorgvuldig. Daar helpen goede data en slimme planningsmodellen enorm.
De les voor zorgbestuurders: wachten op volledige duidelijkheid is geen verstandige strategie, maar investeren zonder inzicht in lokale warmteplannen is dat net zo min. De oplossing zit in beter datagebruik én scenario-gestuurde besluitvorming.
Waar AI het verschil kan maken in warmteplannen
De realiteit is: warmteplannen hoeven niet vaag te blijven. De gegevens zijn er in grote lijnen al – van energierekeningen tot gebouwdata en GIS-informatie – maar ze worden vaak versnipperd en handmatig gebruikt. Juist daar kan kunstmatige intelligentie het verschil maken.
1. Slimmere scenarioplanning voor gemeenten
AI-modellen kunnen helpen om verschillende warmteopties in kaart te brengen en door te rekenen, veel sneller dan traditionele handmatige studies.
Voorbeelden:
- per wijk simuleren wat er gebeurt als je kiest voor een warmtenet versus all-electric warmtepompen;
- effecten op netcongestie, investeringskosten, CO₂-reductie en woonlasten inzichtelijk maken;
- prioriteren welke wijken het meest logisch als eerste aan de beurt zijn.
Als gemeente kun je zo warmteplannen concreter maken:
- heldere aantallen (bijv. 2.500 woningen naar warmtenet, 600 naar hybride);
- tijdlijnen (welk jaar, welke wijk, welke voorbereidingen nodig);
- beter onderbouwde gesprekken met woningcorporaties, zorginstellingen en bedrijven.
2. Datagedreven routekaarten voor zorginstellingen
Zorgorganisaties beschikken vaak over enorme hoeveelheden data: gebouwbeheersystemen, onderhoudshistorie, energierekeningen, bezettingsgraad. Met AI kun je daar een energie- en warmtetransitie-roadmap van maken die aansluit op de gemeentelijke TVW.
Denk aan:
- AI die per gebouw of campus berekent: wat is het optimale moment om installaties te vervangen, gegeven de technische levensduur en het gemeentelijk warmtepad?
- een model dat kosten, CO₂-reductie en impact op zorgprocessen tegen elkaar afweegt;
- scenario’s: “Wat als het warmtenet vijf jaar later komt dan gepland?” of “Wat als gasprijzen structureel 30% hoger blijven?”.
Zo voorkom je dat je dure ‘tussenoplossingen’ implementeert die je later weer moet afschrijven.
3. Voorspellend onderhoud en energiemanagement
Een minder besproken, maar enorm praktische toepassing van AI is voorspellend onderhoud en slim energiemanagement:
- AI-algoritmes kunnen storingen in warmte- en koelsystemen voorspellen, zodat je onderhoud plant vóórdat een storing optreedt.
- In zorg is dat cruciaal: een uitgevallen warmtevoorziening op een IC-afdeling is geen optie.
- Door slim sturen van installaties op basis van weersvoorspellingen, gebouwbezetting en energietarieven, kun je het energiegebruik met 10–30% verlagen. Dat scheelt én kosten én CO₂.
Deze optimalisatie sluit direct aan bij de doelen van gemeentelijke warmteplannen: lagere emissies, minder piekbelasting en een betrouwbaarder warmtesysteem.
4. Transparantie richting burgers en zorgmedewerkers
AI kan ook helpen om complexe informatie begrijpelijk te maken:
- interactieve dashboards die laten zien wat een wijktransitie betekent voor kosten, comfort en planning;
- uitlegmodellen die antwoorden geven in gewone taal, afgestemd op bewoners, patiënten of medewerkers;
- visuele simulaties (bijvoorbeeld van een ziekenhuiscampus vóór en ná de verduurzaming).
Dat is geen luxe. Zonder draagvlak komt er van veel warmteplannen weinig terecht.
2026 als scharniermoment – en wat je nu al kunt doen
De volgende verplichte actualisatie van Transitievisies Warmte staat voor 2026 gepland. Het PBL zegt het scherp: dán is het eigenlijk te laat om nog een flinke extra bijdrage te leveren aan de doelen voor 2030. Maar die plannen zijn wél bepalend voor de periode 2030–2040.
Mijn stelling: gemeenten en zorginstellingen die nu investeren in datagedreven en AI-ondersteunde besluitvorming, lopen straks mijlenver voor.
Voor gemeenten: drie concrete stappen
-
Inventariseer je datalandschap
Welke gegevens over gebouwen, netten, verbruik en demografie zijn al beschikbaar? Breng dit samen in één omgeving. -
Start met een AI-ondersteunde scenarioverkenning
Begin met een pilot: één wijk, één stadskern, of specifiek een cluster met veel zorgvastgoed. Test hoe verschillende warmteopties uitpakken en vertaal dit naar concrete aantallen en jaartallen. -
Betrek grote verbruikers vroeg, zeker de zorg
Ziekenhuizen, verpleeghuizen en GGZ-instellingen hebben eigen duurzaamheidsagenda’s. Sluit hun plannen aan op je TVW, met gedeelde data en gezamenlijke scenario’s.
Voor zorginstellingen: van afwachten naar regie pakken
-
Koppel je eigen duurzaamheidsstrategie aan de gemeentelijke TVW
Vraag actief naar plannen, kaarten, tijdlijnen. Neem dit mee in je vastgoedstrategie en meerjarenonderhoudsplan. -
Gebruik AI voor een intern warmte- en energietransitieplan
Laat data-analyse uitvoeren op al je locaties: waar loont isolatie het meest, waar is een warmtepomp kansrijk, waar moet je juist flexibiliteit houden tot gemeentelijke keuzes vastliggen? -
Organiseer één gezamenlijke taal tussen techniek, finance en zorgprocessen
Met dashboards en scenario’s die voor iedereen begrijpelijk zijn, voorkom je dat de discussie blijft hangen tussen “te duur” en “te technisch”.
Waarom dit binnen de zorg-innovatie hoort
Binnen de serie “AI voor Nederlandse Zorg: Innovatie in de Gezondheidszorg” gaat het vaak over diagnostiek, planning van OK’s of gepersonaliseerde behandeling. Warmteplannen lijken dan misschien ver weg.
Maar hier komt alles samen:
- continuïteit van zorg vraagt om betrouwbare warmte en energie;
- betaalbare zorg vraagt om lagere energielasten en slimme investeringen;
- klimaatdoelen vragen om drastische CO₂-reductie in zorgvastgoed.
AI is niet alleen een hulpmiddel in de spreekkamer, maar ook in de kelder bij de warmtepompen en op de tekentafel van de gemeentelijke warmtetransitie. Gemeentelijke warmteplannen die nu nog vaag en voorwaardelijk zijn, kunnen met de juiste data en algoritmes veranderen in scherpe routekaarten waar burgers, bedrijven én zorgorganisaties goed op kunnen sturen.
De vraag is dus niet óf we warmteplannen moeten concretiseren, maar wie het lef heeft om datagedreven keuzes te maken vóór 2026. Zorginstellingen die daar nu mee beginnen, hebben straks niet alleen een lager energieverbruik, maar ook een sterker verhaal richting patiënten, medewerkers en financiers.
Wil je als zorgorganisatie of gemeente beter begrijpen wat AI kan betekenen voor je warmte- en energietransitie? Dit is hét moment om data te verzamelen, pilots te starten en concrete scenario’s te bouwen, zodat de volgende generatie warmteplannen meer is dan een papieren ambitie.