Openbare aanbestedingen met AI: gids voor Belgische kmo's

Waarom overheidsopdrachten een blinde vlek blijven voor Belgische kmo's

Elk jaar kopen Belgische aanbestedende overheden — gemeenten, provincies, intercommunales, OCMW's, openbare ziekenhuizen, federale en regionale diensten — voor miljarden euro's aan leveringen, diensten en werken. En elk jaar zien de meeste Waalse kmo's die kansen voorbijgaan zonder ooit in te schrijven. Niet uit gebrek aan kunde: uit gebrek aan tijd. Openbare aanbestedingen met AI aanpakken verandert precies die rekensom, want de echte kost van een aanbesteding voor een kleine structuur is niet de prijs van het werk, maar de lees-, selectie- en schrijftijd die u moet inzetten zonder enige garantie op winst.

De berekening die elke zaakvoerder maakt is eenvoudig en rationeel. Een bestek telt 60 tot 120 bladzijden. Doornemen, begrijpen, nagaan of u in aanmerking komt, attesten verzamelen, een methodologienota schrijven, prijzen: vlot drie tot vijf mandagen. Met een slaagkans die voor een eerste inschrijver zelden boven één op vijf uitkomt. Vijf dagen voor één kans op vijf, terwijl diezelfde vijf dagen bij een bestaande klant vandaag factureerbaar zijn — de keuze maakt zichzelf, en ze valt tegen de overheidsopdracht uit.

AI wint geen aanbesteding in uw plaats. Ze pakt de enige factor aan die blokkeert: ze brengt die vijf dagen terug tot één of twee, waardoor de gok statistisch verdedigbaar wordt. Dat is een verschuiving van de drempel, geen mirakel, en het is precies wat een kmo van vijf tot twintig mensen nodig heeft om een verkoopkanaal te openen dat ze zichzelf tot nu toe ontzegde.

Het Belgische kader in 2026: wat u moet weten voor u begint

Voor we over tools praten, moeten we het terrein afbakenen, want de Belgische mechaniek bepaalt de hele strategie.

Belgische overheidsopdrachten vallen onder de wet van 17 juni 2016. Boven bepaalde drempels is Europese bekendmaking verplicht: de aankondiging verschijnt op TED (Tenders Electronic Daily) en in het Bulletin der Aanbestedingen. Daaronder kan de aanbestedende overheid een onderhandelingsprocedure zonder voorafgaande bekendmaking gebruiken — ze contacteert rechtstreeks enkele leveranciers naar keuze, en de opdracht verschijnt nooit publiek.

De drempels werden op 1 januari 2026 naar beneden herzien, voor de periode 2026-2027:

| Type opdracht | Drempel 2024-2025 | Drempel 2026-2027 | |---|---|---| | Leveringen en diensten (klassieke sectoren) | 221.000 € excl. btw | 216.000 € excl. btw | | Leveringen en diensten (speciale sectoren) | 443.000 € excl. btw | 432.000 € excl. btw | | Werken en concessies | 5.538.000 € excl. btw | 5.404.000 € excl. btw | | Onderhandelingsprocedure zonder voorafgaande bekendmaking | 143.000 € excl. btw | 140.000 € excl. btw |

Deze bedragen worden gepubliceerd door het Waalse portaal voor overheidsopdrachten en bevestigd door gedelegeerde verordening (EU) 2025/2152.

Twee praktische gevolgen voor een kmo. Ten eerste betekent de verlaging dat meer opdrachten in Europese bekendmaking terechtkomen: mechanisch worden meer kansen zichtbaar op TED en op het federale e-Procurement-platform. Ten tweede — en dat is wat de meeste zaakvoerders missen — als uw gemiddelde opdracht onder 140.000 € ligt, zal een belangrijk deel van uw adresseerbare markt nooit bekendgemaakt worden. Die wordt gegund via onderhandelingsprocedures, op vooraf opgestelde leverancierslijsten. Geen enkele AI vindt een aankondiging die niet bestaat. In dat geval is de strategie commercieel: zorg dat de publieke aankopers in uw regio u kennen vóór de behoefte ontstaat. AI inzetten om een platform te monitoren terwijl uw opdrachten buiten dat platform worden gegund, is een dure verkeerde diagnose.

Stap 1: geautomatiseerde monitoring van aankondigingen

De eerste bron van verloren tijd is de monitoring. Elke week manueel e-Procurement en TED doornemen, tientallen titels lezen, aankondigingen openen die u niet aanbelangen: het is repetitief, het is ondankbaar, en het is precies wat een machine beter doet dan een vermoeide mens op vrijdagavond.

Het basismechanisme steunt op CPV-codes (Common Procurement Vocabulary), de Europese nomenclatuur die elke opdracht klasseert. Elke gepubliceerde aankondiging draagt één of meer CPV-codes. Een alert op de juiste codes stuurt u dus automatisch de aankondigingen uit uw domein door. Dat is de basis, en het is gratis.

Het probleem is dat CPV grof is. Een code "IT-diensten" stuurt u even goed een opdracht voor netwerkbekabeling als voor applicatieontwikkeling. Daar voegt AI een laag oordeelsvermogen toe: in plaats van dertig ruwe aankondigingen per week, stelt u een filter in die elke aankondiging leest en beoordeelt op uw echte criteria — komt u in aanmerking, ligt het bedrag in uw bereik, is de termijn haalbaar, zit de vereiste referentie in uw portefeuille. U ontvangt nog drie aankondigingen, elk met twee regels uitleg waarom ze de selectie haalden.

De logica is exact die van AI-ondersteunde concurrentiemonitoring: verzamelen is al jaren een opgelost probleem, gekwalificeerd filteren is het echte probleem. En AI is uitstekend in gekwalificeerd filteren — op voorwaarde dat u criteria zwart op wit geeft in plaats van een vaag "wat mij zou kunnen interesseren".

Stap 2: het bestek ontleden in één uur

Zodra u een aankondiging weerhoudt, moet u het bestek onder ogen zien. Dat document beslist alles: toegangsvoorwaarden, kwalitatieve selectiecriteria, gunningscriteria en hun weging, exacte vorm van de offerte, technische clausules, boetes.

Het is ook het document waar de uitsluitingsgronden zich verschuilen. Een technisch uitstekend dossier wordt ongelezen terzijde gelegd omdat een RSZ-attest ontbrak, omdat een vereiste referentie drie jaar moest dekken in plaats van twee, omdat een formulier niet in het juiste formaat zat. Documentaire nauwkeurigheid is geen administratief detail bij overheidsopdrachten: het is de eerste proef, en ze is binair.

AI is zeer efficiënt bij dat soort lezen, op één voorwaarde: laat ze een gestructureerde extractie produceren, geen samenvatting. Een samenvatting van een bestek is nutteloos en gevaarlijk — ze effent net de details weg die u elimineren. Wat u nodig hebt, is een checklist:

• Alle toegangs- en uitsluitingsvoorwaarden, met het vereiste document ernaast.
• Alle kwalitatieve selectiecriteria, met de exacte becijferde drempel.
• Alle gunningscriteria, met hun weging in punten of procent.
• Alle data: uiterste datum voor vragen, indieningstermijn, eventueel verplicht plaatsbezoek, geldigheidsduur van de offerte.
• Alle vormvereisten: aantal exemplaren, formaat van de bijlagen, opgelegde structuur van de methodologienota.

Deze stap dient om snel te beslissen. Na een uur lezen weet u of u in aanmerking komt en of het sop de kool waard is. De methode is verwant aan die van het AI-lastenboek, met één verschil dat alles verandert: hier schrijft u de eisen niet, u ondergaat ze.

Het aandachtspunt, en het is ernstig. AI hallucineert. Bij het lezen van een bestek kost een verzonnen weging of een datum die een week verschoven is, u de opdracht. De regel is dus niet onderhandelbaar: elk geëxtraheerd element moet verwijzen naar het artikelnummer en de bladzijde in het brondocument, en een mens controleert de uitsluitingsgronden — data, attesten, drempels — op de originele tekst. AI brengt uw lezing van vijf uur naar één uur; ze brengt die niet naar nul, en het tegendeel beweren is de beste manier om een dossier stom te verliezen.

Stap 3: het UEA en een herbruikbare documentaire basis

Het UEA (Uniform Europees Aanbestedingsdocument, ESPD in het Engels) is de verklaring op erewoord die in de kandidaatstellingsfase alle attesten vervangt. U levert de bewijsstukken pas als u als winnaar in aanmerking komt.

Het is goed bedacht, maar tergend repetitief: dezelfde bedrijfsgegevens, dezelfde verklaringen, dossier na dossier. Het is assemblagewerk, geen denkwerk — en dus een ideale kandidaat voor automatisering.

De aanpak die werkt, is het opbouwen van een levende documentaire basis: één map, up-to-date gehouden, met de identificatie van de onderneming, de RSZ- en btw-gegevens, de financiële draagkracht, een gestructureerd cv per medewerker, en vooral een bibliotheek van klantenreferenties met per stuk de context, het bedrag, de duur, het gemeten resultaat en de contactpersoon. Vanuit die basis assembleert AI in enkele minuten het UEA en de bijlagen van een dossier, en selecteert ze de drie referenties die het dichtst bij de opdracht liggen in plaats van de drie meest recente over te nemen.

De echte winst zit niet in de snelheid van assemblage. Ze zit in het feit dat de basis bestaat en actueel is. De meeste kmo's verliezen tijd met het telkens opnieuw samenrapen van informatie die ze al bezitten, verspreid tussen de boekhouder, een oude USB-stick en het geheugen van de baas. Die documentaire discipline is dezelfde reflex als in ons artikel over het automatiseren van offertes: de waarde komt uit de structurering vooraf, de tool verzilvert ze alleen maar.

Eén precisering die telt: de basis bevat bedrijfsgegevens, cv's, contactgegevens van klanten. Voor u die aan de eerste de beste tool toevertrouwt, past u de regels toe uit onze gids over gegevensbeveiliging bij het gebruik van AI. Een cv en een klantenreferentie zijn persoonsgegevens in de zin van de AVG.

Stap 4: de methodologienota schrijven — waar AI het minst helpt

Dit is het hart van het dossier, en hier moet u eerlijk zijn over de grenzen van de tool.

Bij de meeste dienstenopdrachten valt de gunning op een weging tussen prijs en technische kwaliteit. De methodologienota draagt die technische kwaliteit: hoe u de behoefte begrijpt, hoe u de prestatie organiseert, wie wat doet, welke risico's u anticipeert.

AI schrijft snel een plausibele tekst. Ze schrijft ook, spontaan, precies het soort holle proza dat een gunningsjury al vierhonderd keer las: "een aanpak op maat", "een ervaren team", "nabije begeleiding". Die tekst kost niets om te schrijven — en levert geen enkel punt op, omdat hij niets verifieerbaars zegt.

Wat wél punten oplevert, is het specifieke: de naam van de gemeenteambtenaar die uw enige aanspreekpunt wordt, de becijferde responstijd, de planning per week, het geïdentificeerde risico met zijn terugvalplan, het cijfer van het vergelijkbare project van vorig jaar. Niets daarvan zit in het model. Het zit in uw hoofd en in uw dossiers.

Het juiste gebruik komt dus neer op drie rollen, en geen ervan is "schrijf in mijn plaats".

De structureerder. U geeft de AI de gunningscriteria en hun weging, zij stelt een opbouw voor die ze in volgorde afdekt, met een aantal bladzijden evenredig aan de punten. Banaal, en toch is het fout nummer één van eerste inschrijvers: drie bladzijden over een criterium van 10 punten, één alinea over een criterium van 40.

De tegenspreker. U schrijft, de AI herleest met een harde instructie: "Hier zijn de gunningscriteria. Hier is mijn nota. Zeg me voor elk criterium wat een evaluator niet in mijn tekst terugvindt." Daar is het rendement het hoogst, want een onvermoeibare herlezer zonder ego in de tekst ziet de gaten die u niet meer ziet.

De vertaler. Veel Belgische opdrachten lopen in het Frans of vragen een tweetalige versie. AI bewijst hier een echte dienst, op voorwaarde dat een moedertaalspreker de technische en juridische woordenschat nakijkt. Een verkeerd vertaalde juridische term in een offerte is geen stijlfout, het is een risico.

Wat het in de praktijk oplevert, en hoe u het meet

Laten we de cijfers op hun plaats zetten. Een aanbestedingsdossier voor een kmo, zonder gereedschap: drie tot vijf mandagen. Met de keten die hier beschreven staat — gefilterde alerts, gestructureerde extractie van het bestek, actuele documentaire basis, AI als structureerder en tegenspreker — komt u redelijkerwijs op één tot twee dagen voor een dossier van vergelijkbare complexiteit. Het eerste dossier kost u méér dan zonder AI, want dan bouwt u de basis op.

Die verhouding is geen belofte, het is een grootteorde die u bij uzelf moet valideren. De goede manier is meten, dossier na dossier: bestede tijd, ingediend ja/neen, afgewezen bij selectie of geëvalueerd, punten per criterium. Drie dossiers volstaan om te weten of uw keten standhoudt. De rekenmethode is die van onze gids over de ROI van een AI-project in een kmo: zonder meting weet u nooit of de tool u tijd heeft doen winnen of u alleen een andere bezigheid heeft gegeven.

En blijf helder over de grond van de zaak: van vijf dagen naar twee gaan verandert uw slaagkans niet. Het verandert het aantal gokken dat u zich kunt permitteren. Eén op vijf blijft één op vijf — maar vijf dossiers per jaar in plaats van één betekent één verwachte overwinning in plaats van een vijfde. Daar zit de hele waarde, en ze is rekenkundig, niet magisch.

Twee voorbehouden tot slot, want advies dat zijn grenzen niet uitspreekt is niets waard. Ten eerste: als uw activiteit hoofdzakelijk onder 140.000 € speelt, loopt het gros van uw markt via onderhandelingsprocedures en is dus onzichtbaar. Investeer eerst in de relatie met publieke aankopers, het gereedschap komt later. Ten tweede: AI compenseert geen ontbrekende referenties. Vraagt een opdracht drie gelijkaardige referenties boven 100.000 € en hebt u er geen, dan maakt geen enkele tool u ontvankelijk. Begin met opdrachten op uw maat, vaak in onderaanneming of op een apart perceel — de Europese hervorming van 2026 duwt aanbesteders net om meer in percelen op te delen en zo de toegang voor kmo's te openen.

Waar te beginnen

Drie acties, in deze volgorde, zonder verfijnd gereedschap.

Deze week. Maak een account aan op het federale platform e-Procurement en stel een alert in op uw CPV-codes. Gratis, één uur werk. Kijk een maand lang wat er binnenkomt, zonder in te schrijven. U zult weten of uw markt bekendgemaakt wordt of via onderhandelingsprocedures loopt — dat is de diagnose waarvan al de rest afhangt.

Deze maand. Bouw de documentaire basis. Eén map, actueel, met bedrijfsgegevens, cv's en een bibliotheek van becijferde referenties. Het is de meest ondankbare en meest rendabele taak uit deze hele gids, en ze vraagt geen enkele AI.

Volgend kwartaal. Neem één echte opdracht, op uw maat. Doe ze van begin tot eind met de hier beschreven keten, en meet. Eén gemaakt en gemeten dossier leert u meer dan zes maanden technologiewatch.

Wilt u deze aanpak voor uw onderneming kaderen — nagaan of uw opdrachten echt adresseerbaar zijn, uw documentaire basis structureren, de monitoring en het lezen van bestekken uitrusten — laten we rechtstreeks praten. Een half uur volstaat doorgaans om te weten of het sop bij u de kool waard is, en ik zeg het u liever ronduit wanneer dat niet zo is.