Aanbestedingen vormen een essentieel en tegelijk complex onderdeel van het gemeentelijk handelen. Zij vragen om zorgvuldige afwegingen op juridisch, financieel en organisatorisch vlak, terwijl transparantie, rechtmatigheid en controle centraal staan. Tegelijkertijd staan gemeenten voor de opgave om hun werkprocessen toekomstbestendig in te richten, in een context waarin digitalisering en AI zich snel ontwikkelen.

De vraag is daarbij niet óf generatieve AI relevant is voor het aanbestedingsdomein, maar onder welke voorwaarden en met welke toegevoegde waarde. Die vraag laat zich niet beantwoorden vanuit abstracte modellen of beleidskaders alleen, maar vraagt om praktijkervaring, reflectie en gedeelde inzichten.

Waarom deze proof of concept?

Aanbestedingen vormen een kernproces binnen gemeenten. Ze zijn juridisch gevoelig, procedureel complex en inhoudelijk rijk aan documentatie. Tegelijkertijd is het een domein waarin patronen, herhaling en vaste thema’s een grote rol spelen. Dat maakt het interessant voor AI-toepassingen, maar ook uitdagend.

De intentie van de opdrachtgevers was nadrukkelijk niet om processen te automatiseren of mensen te vervangen, maar om ambtenaren op een veilige en realistische manier ervaring te laten opdoen met AI. De proof of concept was opgezet om te onderzoeken of en waar AI kan ondersteunen binnen het aanbestedings domein, zowel in de dagelijkse uitvoering als op procedureel niveau. Daarbij stonden drie vragen centraal: hoe ervaren ambtenaren het werken met AI, in hoeverre kan AI daadwerkelijk helpen bij aanbestedingen, en welke procedurele knelpunten in het aanbestedingsproces als geheel mogelijk beter inzichtelijk of hanteerbaar worden met behulp van AI.

Om zo dicht mogelijk bij de praktijk te blijven, is ervoor gekozen de PoC vorm te geven binnen het bestaande aanbestedings kader, met gebruik van echte aanbestedingen uit TenderNed. Deze PoC is aan de leden van de gebruikersverenigingen geheel kosteloos aangeboden voor het gehele jaar 2025.

De opzet: een datagedreven AI-omgeving voor aanbestedingen

Voor deze proof of concept heeft GLBNXT een generatieve AI-omgeving ingericht die direct is gekoppeld aan TenderNed. Via deze koppeling zijn zowel alle historische aanbestedingen vanaf 2022 als een continue, realtime stroom van nieuwe aanbestedingsdocumenten beschikbaar gemaakt binnen het GLBNXT-platform.

In de praktijk betekent dit dat per aanbesteding gemiddeld circa 20 documenten beschikbaar zijn. Deze documenten verschillen sterk in formaat en inhoud en bestaan onder andere uit PDF-, Word-, Excel-bestanden en beeldmateriaal. Samen vormen zij de volledige context van een aanbesteding, zoals die ook door gemeenten en leveranciers wordt gebruikt.

Voorbeelden van documenten die in de omgeving zijn ontsloten:

• Aankondiging van de aanbesteding
• Leidraad of aanbestedingsdocument
• Nota(’s) van Inlichtingen
• Programma van Eisen
• Conceptovereenkomst
• Verwerkersovereenkomsten en privacybijlagen
• Prijsinvulformulieren en rekentabellen
• Selectie- en gunningscriteria
• Bijlagen, toelichtingen en aanvullende instructies

Op het moment van de PoC ging het om een dynamische dataset van circa 800.000 individuele documenten, die continu bleef groeien naarmate nieuwe aanbestedingen op TenderNed werden gepubliceerd. Deze schaal en variatie maakten het aanbestedings domein bij uitstek geschikt voor een verkennende AI-toepassing, maar benadrukten tegelijkertijd de complexiteit van het werken met ongestructureerde en uiteenlopende informatiebronnen.

Operationele ondersteuning: AI als TenderAnalyst

Het beschikbaar maken van een dataset met circa 800.000 aanbestedings documenten binnen een generatieve AI-omgeving betekent op zichzelf nog geen werkbare oplossing voor aanbestedings specialisten. Zonder structuur, context en een herkenbare interactievorm blijft zo’n omgeving vooral complex en moeilijk toepasbaar in de dagelijkse praktijk.

Daarom heeft GLBNXT bewust gekozen voor een toegankelijke en herkenbare gebruikerservaring. Als specialist in het aanbieden van soevereine en open-source AI-applicaties is gebruikgemaakt van de frontend van Open WebUI. Deze interface sluit nauw aan bij de ervaring die veel ambtenaren al hebben met generatieve AI-toepassingen zoals ChatGPT of Microsoft Copilot, en wordt bovendien door meerdere gemeenten reeds ingezet als AI-frontend.

Binnen deze omgeving is de TenderAnalyst geïntroduceerd: een gespecialiseerde AI-agent die aanbestedingsspecialisten ondersteunt bij het werken met één concrete aanbesteding tegelijk. Hiermee werd de omvangrijke dataset teruggebracht tot een hanteerbare, contextgerichte werkomgeving, waarin ambtenaren op een natuurlijke manier konden zoeken, analyseren en verkennen, zonder dat zij eerst technische kennis of nieuwe tooling hoefden aan te leren.

Ambtenaren konden onder andere:

• Historische en actuele aanbestedings documenten analyseren door in gewone, natuurlijke taal vragen te stellen over meerdere documenten, iets wat zonder AI praktisch onmogelijk of extreem tijdrovend zou zijn.

• Samenvattingen laten genereren van omvangrijke aanbestedingsdossiers, waarbij relevante onderdelen uit verschillende documenten automatisch werden samengebracht.

• Teksten herschrijven en verfijnen in een passende toon en structuur, afgestemd op aanbestedingsrichtlijnen en bestuurlijke context.

• Gericht vragen stellen in natuurlijke taal over specifieke onderwerpen, patronen of terugkerende thema’s binnen aanbestedingen, zonder vooraf te hoeven zoeken of filteren op document niveau.

Belangrijk daarbij was de positionering: de AI nam geen beslissingen, maar ondersteunde bij het ordenen van informatie en het verkennen van opties. In totaal namen circa 50 gemeenten deel aan de PoC, met gemiddeld twee gebruikers per gemeente, waarbij de inhoudelijke verantwoordelijkheid altijd expliciet bij de gebruiker bleef.

Voorbeelden van vragen die gebruikers in de TenderAnalyst hebben gesteld:

1. Wat zijn de gunnings criteria?

2. Is er een methode voor prijsindexatie vastgelegd?

3. Schrijf een verbeterde versie van “programma van eisen”

In de praktijk leverde dit waardevolle eerste ervaringen op. Tegelijkertijd werd ook duidelijk dat effectief werken met AI geen vanzelfsprekendheid is. Goede vragen stellen, context meegeven en resultaten beoordelen vragen tijd en aandacht.

Van operationeel naar strategisch: kijken over aanbestedingen heen

Naast deze operationele ondersteuning is binnen de PoC bewust een tweede spoor verkend: strategische en tactische vraagstukken op het niveau van meerdere aanbestedingen tegelijk. Hier ging het niet om één aanbestedingsdomeindossier, maar om vragen zoals:

• Welke artikelen het vaakst discussie oproepen.

• Welke thema's in de GIBIT structureel vragen of bezwaren oproepen vanuit leveranciers.

• Waar mogelijk onduidelijkheden in de standaardvoorwaarden liggen.

Door een grotere set aanbestedingen gezamenlijk te analyseren, ontstond ruimte om patronen en trends zichtbaar te maken. Dit type analyse is voor mensen lastig handmatig uit te voeren, maar juist hier liet generatieve AI zien dat het toegevoegde waarde kan hebben.

Inzichten uit leveranciersvragen bij ICT-aanbestedingen

Naast de operationele pilot voor individuele ambtenaren is binnen de PoC een analyse uitgevoerd op leveranciersvragen bij gemeentelijke ICT-aanbestedingen. Hiervoor zijn ruim 600 aanbestedingen op TenderNed (CPV 48000000) uit de jaren 2023–2025 geanalyseerd. Iedere vraag die expliciet betrekking had op het ICT-domein en, waar mogelijk, te relateren was aan een GIBIT-artikel, is meegenomen.

De analyse laat zien dat leveranciersvragen zich structureel concentreren rond een beperkt aantal thema’s:

• Contractuele bepalingen en aansprakelijkheid, vragen over beperking van aansprakelijkheid en uitsluiting van gevolgschade

• Intellectuele eigendom en gebruiksrechten, discussie over eigendom van ontwikkelde software, hergebruik en licenties, service levels en onderhoud, verduidelijking van SLA’s, responstijden en sancties bij overschrijding

• Beveiliging en privacy, AVG-verplichtingen, auditrechten en omgang met persoonsgegevens

• Levering, implementatie en transitie, Hersteltermijnen, exit-regelingen en migratieverplichtingen

Daarnaast bleek een deel van de vragen niet direct herleidbaar tot de GIBIT. Deze betroffen onder meer interoperabiliteit, cloud standaarden en AI-gerelateerde governance. Dit wijst op thema’s die in de huidige standaardvoorwaarden beperkt of niet zijn uitgewerkt. De inzichten zijn gedeeld met de opdrachtgevers als feitelijke reflectie op terugkerende patronen, bedoeld om het gesprek te ondersteunen over mogelijke verbeteringen in aanbestedings documenten en standaarden, niet als automatisme, maar als onderbouwde input voor beleidsmatige afwegingen.

De praktijk: leren vraagt inspanning

De proof of concept maakte duidelijk dat effectieve inzet van AI niet vanzelf gaat. AI-geletterdheid verschilt sterk per medewerker; vaardigheden zoals het formuleren van goede prompts zijn bepalend voor de kwaliteit van de uitkomsten.

"De snelle ontwikkeling van AI heeft de uitkomst van het project fundamenteel beïnvloed. Met de kennis van nu zouden we het project anders hebben opgebouwd en de vragen op een andere manier hebben gesteld, waardoor de resultaten nog beter hadden kunnen aansluiten bij onze wensen. Tegelijkertijd was het samen met GLBNXT een waardevol en inspirerend leertraject."

Theo Timmermans
Bestuursadviseur / Ambtelijk secretaris – PinkRoccade Local Government

Daarnaast vraagt de hoge ontwikkelsnelheid van AI om diepgaande kennis van zowel technologie als het aanbestedingsdomein. Een zinvolle opdrachtformulering vereist begrip van beide werelden tegelijk. Ook bleek dat bestaande datastructuren niet altijd direct geschikt zijn voor generatieve AI en vaak verdere ontwikkeling vragen voordat ze optimaal benut kunnen worden.

Tot slot speelde bij sommige deelnemers terughoudendheid ten aanzien van AI. Deze voorzichtigheid is begrijpelijk binnen een publieke context en benadrukt het belang van transparantie, begeleiding en een veilige leeromgeving. Samen onderstrepen deze inzichten dat AI-adoptie binnen gemeenten tijd, richting en realistische verwachtingen vereist, met ruimte om te leren zonder druk op onmiddellijke resultaten.

Samen leren: Gebruikersverenigingen, Gemeenten en GLBNXT

Wat deze proof of concept kenmerkte, was de open samenwerking tussen partijen met complementaire domeinexpertise. De gebruikersverenigingen vervulden een verbindende en kaderstellende rol, gemeenten brachten praktijkervaring en kritische reflectie vanuit het aanbestedingsdomein in, en GLBNXT leverde het platform, de AI-expertise en de begeleiding.

Er was ruimte om successen te delen, maar ook om open te zijn over beperkingen en aannames. Juist deze combinatie van inhoudelijke deskundigheid en transparantie maakte het mogelijk om gezamenlijk te leren en het experiment in de juiste context te plaatsen.

De waarde van deze PoC - los van het eindresultaat

Na afloop van de vooraf afgesproken looptijd van twaalf maanden is de pilot succesvol en in goed overleg afgerond. De proof of concept heeft in deze periode op meerdere niveaus concrete, overdraagbare inzichten opgeleverd die richting geven aan vervolgstappen.

1. Feitelijke inzichten uit aanbestedingsanalyses. De uitgevoerde analyses tonen aan dat aanbestedingen in de praktijk minder statisch zijn dan vaak wordt verondersteld. Zo blijkt dat in circa 65% van de onderzochte aanbestedingen één of meerdere artikelen zijn aangepast naar aanleiding van leveranciersvragen, met een duidelijke nadruk op aansprakelijkheid, maar ook op betalingsvoorwaarden en contractbeëindiging. Deze bevindingen bieden een feitelijke basis voor reflectie op standaardvoorwaarden en terugkerende frictiepunten in ICT-aanbestedingen.

2. Het belang van AI-geletterdheid. De PoC maakte zichtbaar dat AI-geletterdheid een bepalende factor is in het succes van een dergelijk traject. Verschillende niveaus van kennis en ervaring, met name rond het formuleren van goede vragen en het interpreteren van uitkomsten, hebben directe invloed op de toegevoegde waarde die uit AI-toepassingen kan worden gehaald. Dit onderstreept het belang van begeleiding en kennisopbouw naast technologische implementatie.

3. Technologie in beweging. Gedurende de looptijd van de PoC is duidelijk geworden hoe snel generatieve AI zich ontwikkelt. In een periode van circa twaalf maanden waren met name vooruitgangen zichtbaar op het gebied van:

   • Long-context reasoning en retrieval-augmented generation (RAG)
   • Geavanceerde document parsing en semantische chunking
   • Agent-gebaseerde architecturen met taakdecompositie
   • Modelstabiliteit, determinisme en evaluatie-mechanismen

4. Waarde voorbij het eindproduct. De opbrengst van deze PoC zit daarmee niet in een afgerond product, maar in ervaring, inzicht en realistische verwachtingen. Juist deze elementen vormen een stevig fundament voor vervolgstappen, zowel binnen gemeenten als bij leveranciers, en dragen bij aan een volwassen en verantwoord gesprek over de inzet van AI in het aanbestedingsdomein.

"Het gezamenlijke AI-initiatief van GLBNXT en de gebruikersverenigingen werd positief ontvangen door de gemeenten binnen de GV Centric. Geïnteresseerd in de mogelijke toepassingen van AI voor hun organisaties, schreven veel gemeenten zich in met meerdere deelnemers. In de praktijk bleek het werken met de AI-tool uitdagender dan verwacht. Medewerkers ontdekten dat het effectief inzetten van AI in de gemeentelijke bedrijfsvoering tijd en oefening vergt. Deze ervaring, hoewel soms frustrerend, was leerzaam.

Al met al kijken de deelnemers met een goed gevoel terug op de PoC. Ze hebben hun weg leren vinden in de wereld van AI en zien duidelijker waar het wel en niet van pas komt in hun werk. De pilot heeft de gemeenten met beide benen op de grond gezet: AI biedt kansen, maar vraagt ook om een realistische aanpak."

Sacha Heijkoop
Adviseur informatiemanagement en data in de publieke sector – GV Centric

Vooruitblik: soevereine AI als volwassen keuze

De proof of concept vond plaats in een jaar waarin cloud, data-soevereiniteit en AI nadrukkelijk onderwerp van gesprek waren, zowel binnen de industrie als binnen het Nederlandse overheidslandschap. In 2025 heeft de Autoriteit Persoonsgegevens tientallen meldingen ontvangen van datalekken die zijn veroorzaakt door het gebruik van AI-chatbots op de werkvloer. Het aantal meldingen ligt dit jaar hoger dan vorig jaar, waarbij vooral gratis versies van chatbots voor problemen zorgen. Ook gemeenten zijn hierin geraakt.

Tegen deze achtergrond heeft GLBNXT gekozen voor een platform op eigen infrastructuur, zonder afhankelijkheid van hyperscalers, waarin AI-toepassingen volledig soeverein kunnen worden aangeboden. Als onderdeel van de PoC is aan deelnemers een EU AI Agent beschikbaar gesteld die lokaal draaide op het Nederlandse GLBNXT-platform. Deze agent werd zonder extra kosten aangeboden om te laten zien dat een 100% soevereine AI-oplossing ook in performance en gebruikservaring volwaardig is.

De positieve ontvangst en het actieve gebruik van deze agent laten zien dat soevereine AI inmiddels een praktisch en werkbaar alternatief vormt voor publieke AI-diensten binnen de publieke sector.

Dank en erkenning

Dank aan de gebruikersverenigingen, de deelnemende gemeenten en alle ambtenaren die tijd en energie hebben geïnvesteerd in deze proof of concept. Dit traject was geen eindpunt, maar een belangrijk leerpunt, en daarmee een waardevolle stap in de verdere verkenning van verantwoorde, soevereine AI binnen de overheid.

Autoriteit Persoonsgegevens: meer datalekken door ongeoorloofd gebruik gratis chatbots

Procurement efficiency: A modern strategy for state and local leaders

Digitale overheid - wat je moet weten over ai geletterdheid

Gartner - AI faalt vaak niet door model maar door gebrek AI ready data

© 2026 GLBNXT B.V. All rights reserved. Unauthorized use or duplication is prohibited.