Wat we bouwen
We bouwen werkende AI in jouw processen — geen pilot die in een sandbox blijft hangen, geen demo voor de directie. Iets dat maandagochtend om half negen z'n werk doet, zonder dat iemand erbij hoeft te zitten.
Alles draaien we lokaal. Op een server in jouw pand, of op een eigen VPS bij een Europese provider (Hetzner bv.). Geen abonnement op een blackbox, geen data die door een Amerikaanse cloud reist, geen managed-service-laag tussen jou en je systeem.
We bouwen het, we draaien het tot het stabiel staat, en we dragen het over zodra je het zelf wilt onderhouden. Of we blijven betrokken — wat past.
Hoe het werkt
Vier stappen, geen verrassingen onderweg.
1. Scope-gesprek (1–2 uur, vrijblijvend). We praten over wat je wil bouwen en wat ervoor nodig is. Vaak komt dit voort uit een scan-rapport of uit een use-case die je zelf al scherp hebt. We kijken naar data, koppelingen, randvoorwaarden, en waar het stuk kan gaan. Niet om iets te verkopen — om in te schatten of het kan en wat het kost.
2. Urenschatting met cap. We leggen vast hoeveel uur de eerste fase mag kosten. Bijvoorbeeld: 60 uur tot werkende MVP. Daarna stoppen we, kijken samen wat er staat, en beslissen of er een vervolgfase komt. Geen open einde, geen verrassingsfactuur.
3. MVP-bouw (4–16 weken). We werken in korte iteraties van een à twee weken. Je krijgt elke iteratie iets te zien dat draait. Geen 12-weken-zwijgen-en-dan-een-bigbang.
4. In productie + doorlopend onderhoud of overdracht. Zodra het MVP staat, gaat het in gebruik. Wij draaien het door tot het stabiel is. Daarna kies je: wij blijven betrokken voor onderhoud en uitbreiding, of we dragen het over aan jouw team. Als je dat zelf wilt doen met begeleiding, kijk je beter naar Lokaal.
Voorbeelden uit de praktijk
Vier soorten projecten die we vaak bouwen. Niet als menukaart — meer om een gevoel te geven.
Chatbot op je eigen documenten. Je hebt een paar honderd handleidingen, contracten, of AVG-dossiers en je wilt dat medewerkers er natuurlijk op kunnen vragen stellen. Wij bouwen een RAG-systeem (retrieval-augmented generation) dat lokaal draait, met jouw documenten als enige bron. Antwoorden met bronvermelding. Niet "een chatbot zoals ChatGPT" — een specialist op jouw kennis.
n8n-flows die mail, dossiers en spreadsheets aan elkaar knopen. Inkomende mail uit een specifiek inbox-vak → automatisch parseren → relevante dossiers ophalen → samenvatting in spreadsheet. Of: nieuwe inschrijving via formulier → checks doen → bevestiging sturen → ticket in CRM. Het soort werk dat een medewerker nu een uur per dag doet.
Documenten classificeren. Inkomende facturen sorteren op leverancier en grootboekrekening. Support-tickets routeren naar de juiste afdeling. E-mail labelen op urgentie. Lokale modellen die getraind zijn op jouw data, geen cloud-API per bericht.
Persoonsgegevens anonimiseren. Dossiers ontdoen van namen, adressen en BSN-nummers voor verdere analyse. CV's anonimiseren voor een eerlijke sollicitatieronde. Belangrijk waar AVG-gevoelige data niet zomaar de organisatie uit mag, ook niet voor analyse.
Dit zijn voorbeelden. In de praktijk komt er ook van alles langs dat hier niet tussen staat — als het met OSS-tools en lokaal kan, dan kunnen we het waarschijnlijk bouwen. Bel even, dan kijken we.
Onze tech-keuzes
Geen "wij geloven dat" — gewoon wat we gebruiken en waarom.
n8n als orchestrator. Open-source, draait op jouw server, geen vendor lock-in. Visueel te volgen, dus je IT'er kan later aanpassen.
Lokale LLM's (Llama, Mistral, Qwen) voor de slimme stappen. Draait op een server met een fatsoenlijke GPU — een Mac mini volstaat soms al. Geen API-kosten per bericht, geen data naar OpenAI of Anthropic.
pgvector in Postgres voor RAG. Saaie, betrouwbare technologie. Geen aparte vector-database die je moet beheren.
FastAPI of Streamlit voor frontends. Snel te bouwen, makkelijk over te dragen. Geen frameworks die over twee jaar al weer uit de mode zijn.
Alles wat hierboven staat draait op hardware die je in eigen huis kan zetten, of op een eigen server in een Europees datacenter (Hetzner of vergelijkbaar). Geen AWS, geen Azure — vendor lock-in en beheers-overhead die je nooit meer afkomt zijn geen randvoorwaarde van AI. Wat je nodig hebt hangt af van wat je bouwt; dat rekenen we in het scope-gesprek door.
Voor wie dit past
- Je hebt een concrete use-case voor ogen — bijvoorbeeld uit een scan-rapport, of iets dat je zelf al scherp hebt
- MKB in Noord-Brabant (of net erbuiten — bel even)
- Je wilt eigenaar zijn van de oplossing, niet huurder
- Liever OSS en lokaal dan een SaaS-abonnement met data in de US
- Je vindt het oké om in iteraties te werken — niet alles vooraf vastgespijkerd
Voor wie dit niet past
- Je weet nog niet waar AI in jouw bedrijf zou helpen — begin dan met de scan
- Je hebt een interne ICT-club die het zelf wil bouwen — kijk dan naar Lokaal voor begeleiding op uurbasis
- Je zoekt een groot multi-tenant SaaS-platform — niet onze schaal
- Je zoekt offshore of de goedkoopste oplossing — wij zijn niet de goedkoopste, en willen dat ook niet zijn
Prijs en voorwaarden
€120 per uur ex btw, vanaf. Bij weekend, avond of spoed €180 per uur. We melden dat altijd vooraf — nooit een verraste factuur.
Cap per fase. We leggen voor elke fase een maximum aan uren vast. Loopt de fase tegen de cap aan, dan stoppen we en kijken samen wat er staat voor we doorgaan. Geen open einde.
Reiskosten zoals bij de scan: €0,32 per km, gerekend vanaf de 50e kilometer uit Waalwijk. Binnen 50 km gratis.
Facturatie per maand op nacalculatie, betalingstermijn 14 dagen. Op het overzicht zie je per dag waar de uren naartoe zijn gegaan.
Code en data zijn van jou, vanaf het eerste commit. Wij houden geen kopie aan, we hosten geen "managed versie" als jij dat niet wilt.
Annulering. Een lopende sprint maken we af — daarna stoppen we. Geen exit-fee, geen "je moet nog drie maanden afnemen".
Indicatieve ranges per type project
Wat kost een typisch project ongeveer? De ranges hieronder zijn richtingen — voor jouw situatie maken we altijd een concrete schatting in het scope-gesprek.
- Eenvoudige n8n-flow: €2.000–€5.000. Mail parseren, formulier-flows, dossier-acties. 16–40 uur werk.
- Documentclassificatie: €4.000–€8.000. Facturen sorteren, support-tickets routeren, e-mail labelen. 32–64 uur.
- Chatbot op je eigen documenten (RAG): €5.000–€12.000. Specialistische assistent op jouw kennis met bronvermelding. 40–100 uur.
- Persoonsgegevens-anonimisering: €4.000–€8.000. Dossiers ontdoen van namen, adressen, BSN voor analyse. 32–64 uur.
Voor een uitgebreidere uitleg van wat in zo'n project zit en wat erbuiten valt: zie Wat kost AI in het MKB?.
Waarom onze prijzen lager zijn dan elders
Als je hierboven de cijfers leest en vergelijkt met andere offertes, valt het op: wij zitten een stuk lager. Dat is geen toeval.
AI helpt sterk bij ontwikkeling. Klanten profiteren daar zelden van. Tot een paar jaar geleden was een chatbot op eigen documenten een project van zes maanden en een ton. Documentclassificatie idem. Sinds AI-gestuurd programmeren (Claude, Cursor) staat één dag werk gelijk aan vier dagen werk uit 2022. Open modellen draaien lokaal, frameworks als n8n en Ollama zijn commodity. Wat vroeger drie maanden bouwen was, is nu een halve dag configureren.
De meeste consultants rekenen nog steeds de oude prijzen. Soms uit gemak, soms omdat hun verdienmodel staat of valt met dure offertes, soms omdat ze zelf nog niet zo werken. Wij vinden dat oneerlijk tegenover de klant. Vandaar de prijzen die je hierboven leest.
Lager dan elders — maar, alle eerlijkheid, niet onmogelijk laag. We werken efficiënt; we doneren niet.
Module-cashback bij hergebruik
Een deel van wat we voor jou bouwen is — gegeneraliseerd, zonder jouw specifieke data of bedrijfslogica — ook bruikbaar voor andere klanten. Een n8n-flow voor offerte-mail-parsing. Een classificatie-pipeline voor inkomende post. Een RAG-architectuur voor kennisbeheer.
Als jij ons toestemming geeft om zo'n module ook elders in te zetten (geanonimiseerd, zonder jouw logica), krijg je 5% van het oorspronkelijke bouwbedrag terug bij elke nieuwe klant die de module gebruikt. Geen plafond — wordt de module twintig keer hergebruikt, dan heb je honderd procent terug. Daarboven blijft 'ie doortikken.
Voorbeeld: je betaalt €6.000 voor een RAG-chatbot. Je geeft akkoord op generieke hergebruik. We zetten de module in de jaren erna bij vier andere klanten neer. Jij krijgt 4 × 5% × €6.000 = €1.200 retour.
Het is opt-in. Je hoeft niet mee te doen, en niets wat klant-specifiek is gaat ergens anders heen. We delen architectuur en patronen — niet jouw data of jouw bedrijfslogica.
Veelgestelde vragen
Wat als de cap eerder bereikt is dan het MVP klaar is?
Dan stoppen we en kijken we samen waarom. Soms zijn de eerste schattingen te krap (gebeurt). We maken een nieuwe schatting voor de rest, jij beslist of je doorgaat. Niet "we factureren het maar door".
Van wie is de code?
Van jou. Vanaf de eerste commit. We bouwen in jouw repo, op jouw server. Wij hebben geen claim, geen royalties, geen aparte licenties.
Wat voor hardware heb ik nodig?
Hangt af van wat je bouwt. Een chatbot op een paar honderd documenten draait prima op een workstation met een mid-range GPU (€2k–€5k hardware). Een classifier voor inkomende mail kan al op een NUC zonder GPU. Voor zwaardere zaken zit je bij een server met een dikkere GPU. We rekenen dat in het scope-gesprek door zodat je weet waar je aan toe bent voor je iets aanschaft.
Een eigen server bij Hetzner of zo, in plaats van eigen hardware — kan dat?
Ja. Een eigen VPS of dedicated server bij een Europese provider (Hetzner, Scaleway, Tilaa) is voor ons ook lokaal genoeg — jij bent de baas over de server, geen managed-service-laag tussen jou en je data. Wat we niet doen: AWS, Azure of GCP. Te veel beheers-overhead, te veel risico op vendor lock-in.
Kunnen we het zelf onderhouden na de overdracht?
Ja, dat is het idee. We schrijven documentatie, we doen een overdrachtssessie, en we blijven beschikbaar voor vragen op uurbasis. Geen verplichte abonnementen.
Geven jullie garantie?
Op werkende functionaliteit binnen de afgesproken scope: ja. Op uitkomsten van AI-modellen (in een chatbot bijvoorbeeld): nee — die zijn statistisch, niet deterministisch. Wat we wel doen: meten hoe vaak het mis gaat, en dat zichtbaar maken in dashboards die je elke dag kan bekijken.