Hoe Locata van duizenden kandidaten naar een verdedigbare shortlist komt.
Dezelfde vier stappen voor elke verticale markt. Andere databronnen, andere scoringsprompts, dezelfde controleerbare keten van ruwe input naar gerangschikte beslissing.
Bepaal je set.
De eerste dertig minuten van elk project bepalen of de rest goed gaat. Locata ondersteunt drie manieren om je kandidatenset af te bakenen — kies degene die past bij hoe je data nu is georganiseerd.
Upload een kandidatenset
CSV, GeoJSON, Excel of KML. Breng aan wat je team al onderhoudt. Locata standaardiseert identifiers en dedupliceert tegen je masterdata.
Genereer op criteria
“Alle Shell-tankstations in NL met meer dan 500 m² parkeeroppervlak” of “ieder perceel met bestemming bedrijventerrein in deze gemeenten”. Plain-language invoer, Locata leidt het af tegen publieke registers.
Hybride — jouw lijst plus ontdekking
Lever een startlijst en laat Locata die uitbreiden met aangrenzende kandidaten: zelfde operator, zelfde perceelcategorie, zelfde verzorgingsgebied.
Verrijk elke locatie, automatisch.
Elke kandidaat wordt verrijkt met dezelfde set publieke Europese datalagen vóórdat er een scoringsprompt op losgelaten wordt. Geen handmatige opzoekacties, geen wisselende diepte tussen locaties, geen ontbrekende context die drie weken later opduikt in review.
| Bron | Wat het levert | Updatefrequentie | Dekking |
|---|---|---|---|
KadasterFundament | Kadastrale gegevens — eigendom, perceelgrenzen, transacties. | Dagelijks | NL |
BAGFundament | Gebouwen & adressen — elke geregistreerde structuur met attributen. | Dagelijks | NL |
BGTFundament | Grootschalige topografie — verharding, vegetatie, oppervlaktegebruik. | Dagelijks | NL |
BROFundament | Ondergrondregister — bodemsamenstelling, grondwater, verontreiniging. | Wekelijks | NL |
PDOKFundament | Nationaal dataplatform — overstromingskaarten, milieucontouren, bestemmingsplannen. | Wisselend | NL |
CBSFundament | Demografie, huishoudensamenstelling, mobiliteitspatronen, inkomensklassen. | Jaarlijks + thematisch | NL |
NDWSectorspecifiek | Verkeersintensiteit en doorstroming op het nationale wegennet. | Live (1-min) | NL |
RDWSectorspecifiek | Voertuigregistraties, inclusief EV-dichtheid per postcode. | Wekelijks | NL |
NetbeheerderdataSectorspecifiek | Publieke capaciteitsindicatoren van Liander, Stedin, Enexis — congestie en doorlooptijden. | Per kwartaal | NL per regio |
Gemeentelijke open dataSectorspecifiek | Plankaarten, parkeerdruk, openbare-ruimte-inventaris per gemeente. | Wisselend | NL · geselecteerde EU |
Google Street ViewBeeld & visueel | Visuele context — gevels, bewegwijzering, toegankelijkheid, omliggend grondgebruik. | Op verzoek | Wereldwijd |
Luchtfoto’s / orthofoto’sBeeld & visueel | PDOK luchtfoto — dakoppervlak, parkeerindeling, perceelgrenzen. | Jaarlijks | NL |
OpenStreetMapFundament | POI-dichtheid, wegclassificatie, EU-dekking waar nationale feeds dun zijn. | Live | Wereldwijd |
We voegen per project bronnen toe als een verticale markt daarom vraagt — historische vergunningsbesluiten, retail-locaties van ketens, telecomdekking, milieueffectkaarten. Is het publiek en gestructureerd, dan raken we het waarschijnlijk al aan; zo niet, dan zeggen we dat eerlijk.
Drie modellen scoren parallel. Verschil van mening wordt het signaal.
Elke verrijkte locatie wordt onafhankelijk gescoord door Claude, GPT en Gemini tegen dezelfde prompt. Waar ze het eens zijn, is de rangschikking met vertrouwen. Waar ze verschillen, wordt de locatie gemarkeerd voor menselijke review — en we vertellen je waarom.
Waarom drie, niet één.
- Geen enkele black box. Modellen zijn op verschillende data getraind met verschillende doelen. Identieke scores van drie onafhankelijke systemen betekent betekenisvolle overeenstemming; vertrouwen van één model is slechts dat ene modelstandpunt.
- Verschil is het alarm. Locaties waar scores ver uiteenlopen zijn precies degene die menselijke beoordeling behoeven — meestal omdat de data ambigu is of de prompt een randvoorwaarde miste.
- Onderbouwing, niet alleen rangschikking. Bij elke score horen de drie redenen die hem opleveren en de twee risico’s die het model markeerde — met verwijzingen naar de verrijkingsdata die het gebruikte.
Verschil van mening, geïllustreerd
Promptstructuur, zichtbaar.
Je ziet en keurt de scoringsprompt goed vóórdat er een model draait. Dezelfde prompt voedt alle drie. Hieronder: een echte vorm gebruikt op een statiegeld-scoutingsrun.
# Scoring prompt — bulk return machine candidates
## Hard constraints (auto-fail)
- Parking surface ≥ 400 m²
- 24/7 commercial accessibility
- Three-phase power within 50 m
## Score 0-100, weighted:
- 35 Visitor volume (NDW, CBS mobility)
- 25 Catchment density within 5 km
- 20 Host commercial alignment (operator, chain)
- 15 Site accessibility (truck access, manoeuvring)
- 5 Public-space sensitivity (BAG, BGT, opposition history)
## Required output per location:
- Score (integer 0-100)
- Top 3 reasons (with data citation)
- Top 2 risks (with data citation)
- Confidence (low | medium | high)Output die het volgende overleg overleeft.
Een Locata-rapport is gebouwd om verdedigbaar te zijn — intern bij je investeringscomité, extern in publieksconsultatie. Elke score is herleidbaar naar de invoer.
PDF-rapport
Per-locatie pagina’s met score, onderbouwing, citaten en visueel bewijs. Het formaat dat een raadspresentatie overleeft.
CSV / Excel
Platte gerangschikte tabel om te filteren, sorteren en in je bestaande pipeline te importeren.
GeoJSON
Geospatiale export met alle verrijkingsvelden, klaar voor QGIS, ArcGIS of je interne GIS.
REST API
Haal scores en onderbouwing direct in je asset-management-, CRM- of planningssysteem. Audittrail per call.
Verder dan het bestand
Voor grotere programma’s draaien we scoring op een ritme en leveren we delta’s zodra nieuwe kandidaten opduiken. De integratie met je GIS- of asset-systeem blijft één verbinding; de analyse erachter blijft zich verversen.
Grenzen
Wat Locata niet doet.
Deze beperkingen zijn vooral belangrijk voor onze klanten bij utilities, overheid en gemeenten. Het zijn geen functies die we later willen toevoegen — het zijn ontwerpkeuzes.
Geen geautomatiseerde beslissingen over openbare ruimte
Locata ondersteunt menselijke besluitvorming. Het vervangt geen vergunningverlening, raadsbesluit of operatorbeoordeling. Elke score is een aanbeveling met onderbouwing.
Geen black-box scoring
Als een model niet kan zeggen waarom een locatie scoort wat het scoort, tonen we de score niet. Elke output verwijst terug naar de verrijkingsdata die het model citeerde.
Geen training op klantdata
Je kandidatensets, je scoringsprompts, je outputs — niets daarvan traint de publieke foundation-modellen die we gebruiken. Alleen inference, audit-gelogd.
Beveiliging & governance
Gebouwd voor kopers met inkoop- en compliance-teams.
ISO 27001-uitgelijnd
Informatiebeveiligingsprocessen volgen het ISO 27001-controlekader. Certificeringsroadmap op verzoek.
AVG-conform
Verwerking binnen de EU, verwerkersovereenkomsten beschikbaar, sub-processorslijst onderhouden per project.
EU-dataresidentie
Klantdata, verrijkingsartefacten en modelinferenties worden binnen de EU verwerkt en opgeslagen. Geen transfers buiten het blok zonder uitdrukkelijke toestemming.
Audit-getraceerde scoring
Elke modelcall wordt gelogd met invoer, promptversie, model-identifier en uitvoer. Je kunt elke score achteraf reconstrueren.
Voor diepgaandere securityvragen kan je inkoopteam ons securitypack opvragen via security@locata.io.
FAQ
Methodologie, in jouw eigen woorden.
Waarom drie AI-modellen in plaats van één?
Drie onafhankelijke modellen die dezelfde kandidaat scoren tegen dezelfde prompt leveren een signaal op dat geen enkel model alleen kan geven. Waar Claude, GPT en Gemini het eens zijn, is de ranking robuust. Waar ze het oneens zijn, wordt de locatie gemarkeerd voor menselijke beoordeling — die onenigheid is exact de waarde, geen ruis om weg te middelen.Hoe wordt de scoring-prompt gedefinieerd?
Samen met jullie team in de eerste week van het traject. De prompt legt harde randvoorwaarden vast (bijvoorbeeld oppervlak ≥ 400 m², driefase-aansluiting binnen 50 m), gewogen scoring-criteria en het vereiste outputschema per locatie. Jullie zien en accorderen de prompt voordat er enig model draait — zo blijft de methodologie verdedigbaar.Wat gebeurt er met kandidaten die zakken op harde randvoorwaarden?
Die worden vóór de AI-scoring-run uitgefilterd, met de reden van afval per kandidaat. Dit houdt inferentiekosten gericht op kandidaten die daadwerkelijk in aanmerking kunnen komen en geeft je een transparant papieren spoor voor de afgewezen locaties.Neemt Locata geautomatiseerde besluiten over de openbare ruimte?
Nee. Locata ondersteunt menselijke besluitvorming — het vervangt geen vergunningverlening, raadsbesluit of vakkundig oordeel. Elke score is een aanbeveling met onderbouwing, en die grens behandelen we als ontwerpkeuze, niet als gat in de roadmap.Worden AI-modellen getraind op onze data?
Nee. Jullie kandidaatsets, scoring-prompts en outputs worden nooit gebruikt om de publieke foundation-modellen waarop wij inferentie doen te trainen. Alleen inferentie, per call audit-logged. Klantdata blijft in onze EU-omgeving.Welke set-grootte kan Locata verwerken?
Van 50 kandidaten (eenmalige marktbetreding) tot 50.000+ (landelijke verkenning). Boven de 10k batchen we de verwerking per regio; de scoring-methodologie en de onderbouwing per locatie veranderen niet.
Probeer het op je eigen data
De methodologie is de demo.
30 minuten, jouw kandidatenset, live scoring met de drie modellen. Geen geënsceneerde getallen, geen slideware.