Mijn persoonlijke AI-project tijdens de Lovable Partner Hackathon
Normaal gesproken ben ik vooral bezig met AI om bedrijven slimmer te laten werken. Minder administratie, processen automatiseren, kennis beter ontsluiten en medewerkers tijd besparen.
Tijdens de Lovable Partner Hackathon besloot ik het eens compleet anders te doen.
Geen zakelijke efficiencycase, maar iets vanuit mijn eigen interesse: de tuin.
Het resultaat kreeg intern de naam Hortus One. Een applicatie waarmee je AI niet alleen vraagt om een mooie nieuwe tuin te bedenken, maar waarmee we proberen de AI-visualisatie daadwerkelijk te laten kloppen met jouw tuin.
En blijkbaar viel dat idee in de smaak. Van de 114 deelnemers eindigde het project uiteindelijk op de 3e plaats.
Niet verkeerd voor iets wat drie uur daarvoor nog niet bestond.
De voorwaarde: iedereen begon vanaf nul
Een belangrijke voorwaarde voor deelname aan de hackathon was dat je niet met een bestaand project mocht starten.
Iedereen begon dus vanaf nul.
Dat maakte het voor mij juist interessant. Hoe ver kun je tegenwoordig in een paar uur komen als je een duidelijk idee hebt en AI gebruikt om het daadwerkelijk te bouwen?
Ik wilde niet simpelweg een applicatie maken waarin je een foto uploadt en vervolgens zegt: "maak hier een moderne tuin van".
Dat kan met verschillende AI-modellen inmiddels prima.
Maar het probleem is dat zo'n afbeelding vaak vooral mooi is. Niet noodzakelijk realistisch.
Een boom staat ineens ergens anders. De tuin lijkt drie meter breder. Een schutting verschuift. Of de AI bedenkt ruimte die er in werkelijkheid helemaal niet is.
Voor inspiratie is dat prima. Maar als je echt wilt nadenken over hoe je eigen tuin eruit kan zien, wil je dat de werkelijkheid zoveel mogelijk behouden blijft.
Daar begon Hortus One.
Niet alleen een foto, maar de daadwerkelijke tuin als context
Een van de eerste onderdelen die we bouwden was een koppeling met Kadaster- en BAG-data.
Daarmee kunnen we gegevens over het perceel en de afmetingen ervan gebruiken als context voor de applicatie.
Vervolgens combineren we dat met GPS en de coördinaten van de tuin.
Als je door de tuin loopt, weet de applicatie daardoor waar je ongeveer staat en in welke richting je kijkt. We hebben dit zo opgebouwd dat de afwijking in je tuinpositie en kijkrichting bij het visualiseren maximaal ongeveer één meter is.
Dat klinkt misschien als een technisch detail, maar juist dit soort context maakt voor AI een groot verschil.
AI moet weten hoeveel ruimte er daadwerkelijk is
De AI krijgt vervolgens niet alleen een foto en de opdracht om daar iets moois van te maken.
We geven extra variabelen mee.
Bijvoorbeeld hoeveel meter het vanaf jouw positie is tot de verschillende perceelgrenzen.
Stel dat je vanaf je terras richting de achterkant van je tuin kijkt en er nog 12 meter tot de perceelgrens over is. Dan krijgt het model die informatie mee bij het maken van de visualisatie.
Het doel is dat AI daardoor veel minder zelf hoeft te gokken over de verhoudingen.
Niet alleen:
"Maak hier een groene landelijke tuin van."
Maar veel meer context over waar je staat, waar je naar kijkt, hoeveel ruimte er daadwerkelijk beschikbaar is en welke stijl bij je past.
Je loopt letterlijk door je tuin
Het idee is uiteindelijk dat het gebruik heel natuurlijk wordt.
Je pakt je telefoon en loopt door de tuin.
Op verschillende plekken maak je een foto van de huidige situatie. De applicatie weet je positie en kijkrichting en kan vervolgens voor diezelfde plek een nieuwe AI-situatie maken.
Wat wil je veranderen?
Dat hoef je niet uitgebreid uit te typen.
Via een ElevenLabs-koppeling kun je simpelweg inspreken wat je wilt.
Bijvoorbeeld:
"Hier wil ik graag een border met veel vaste planten en bloemen waar veel bijen en vlinders op afkomen. De boom wil ik behouden en langs de schutting mag wat meer hoogte komen."
De applicatie gebruikt die informatie vervolgens samen met alle andere context om een nieuwe visualisatie te maken.
Jouw tuinstijl gaat automatisch mee
Aan het begin doorloop je ook een korte onboarding waarin je aangeeft welke tuinstijl bij je past.
Bijvoorbeeld strak en modern, natuurlijk, landelijk of juist heel groen en organisch.
Die voorkeur slaan we op en nemen we vervolgens automatisch mee in iedere prompt.
Dat vind ik zelf een interessant onderdeel van dit soort applicaties.
Een goede AI-toepassing zou eigenlijk steeds minder van de gebruiker moeten vragen. In plaats van bij iedere afbeelding opnieuw te moeten uitleggen wat je mooi vindt, moet de applicatie die context onthouden en automatisch gebruiken.
Van visualiseren naar begrijpen wat er in je tuin gebeurt
Hier houdt het idee alleen nog niet op.
Als je toch met je telefoon door de tuin loopt, kunnen we veel meer context verzamelen.
Je kunt bijvoorbeeld foto's maken van bestaande bomen, je eigen woning, een schuur en omliggende gebouwen of grote bomen buiten je perceel.
Die objecten hebben namelijk invloed op je tuin.
Een grote boom van de buren kan ervoor zorgen dat een bepaalde hoek van je tuin bijna de hele dag in de schaduw ligt. Een ander gedeelte krijgt misschien juist acht uur zon.
Als we die informatie combineren met de ligging van het perceel en lokale weersinformatie, kunnen we uiteindelijk per zone veel slimmer advies geven.
Van tuinontwerp naar tuinverzorging
Daarmee kan Hortus One uiteindelijk ook na de aanleg interessant blijven.
Stel dat je de tuin opdeelt in verschillende aangeplante zones.
De applicatie weet dan welke planten daar staan, hoeveel zon die zone ongeveer krijgt en hoeveel regen er recent gevallen is.
Daar kun je vervolgens heel praktische adviezen aan koppelen.
Moet deze border vandaag worden gesproeid?
Heeft een bepaalde zone voldoende regen gehad?
Past een plant eigenlijk wel bij de hoeveelheid zon die deze plek gedurende het jaar krijgt?
En verandert het advies gedurende een droge periode?
Het ontwerp van de tuin wordt daarmee eigenlijk de basis voor een digitale versie van je tuin die je daarna kunt blijven gebruiken.
Work in progress: hoe krijg je die tuin vervolgens gerealiseerd?
Een ander onderdeel dat ik verder wil uitwerken is de stap ná de visualisatie.
Want een mooie afbeelding is leuk.
Maar vervolgens kijk je naar je huidige tuin en denk je alsnog:
Waar moet ik beginnen?
Daarom wil ik uiteindelijk vanuit de gekozen nieuwe situatie automatisch een aanlegplan laten maken.
Bijvoorbeeld:
- Welke bestaande onderdelen moeten eerst verwijderd worden?
- Welke grondwerkzaamheden zijn nodig?
- In welke volgorde kun je de verschillende onderdelen het beste uitvoeren?
- Hoeveel tijd kost iedere stap ongeveer?
- Welke werkzaamheden kun je redelijkerwijs zelf uitvoeren?
- Waar is het verstandiger om een hovenier of andere professional in te schakelen?
Daarmee ga je van inspiratie naar een daadwerkelijk uitvoerbaar plan.
Even iets bouwen zonder businesscase
Wat ik misschien nog wel het leukste vond aan deze hackathon, was dat het voor een keer nergens over zakelijke efficiëntie hoefde te gaan.
Bij Jouw Copiloot kijken we bijna dagelijks naar vragen als:
Waar kunnen we mensen tijd besparen? Welke administratie kan weg? Welk proces kan slimmer? Waar kunnen agents werk overnemen?
Dat blijft ontzettend interessant.
Maar het was ook gewoon leuk om AI eens vanuit een compleet persoonlijke interesse te benaderen.
Een probleem zien waarvan je zelf denkt: dit moet toch slimmer kunnen?
En vervolgens gewoon beginnen met bouwen.
Drie uur later stond er natuurlijk nog geen volledig tuinplatform. Hortus One is absoluut nog work in progress.
Maar er stond wel genoeg om te laten zien waar het idee naartoe kan.
En tussen 114 deelnemers uiteindelijk 3e worden met een project dat vooral begon omdat ik het zelf leuk vond om te maken, maakte dat alleen maar beter.
Misschien is dat ook wel een van de interessantste ontwikkelingen van dit moment.
De afstand tussen "ik heb een idee" en "ik heb een werkend prototype" wordt steeds kleiner.
En daardoor worden niet alleen zakelijke ideeën ineens haalbaar.
Ook dat ene persoonlijke idee dat al een tijdje in je hoofd zit, kun je tegenwoordig gewoon eens gaan bouwen.
