Mijn huis is een klein energiebedrijf geworden. Zonnepanelen op het dak, een thuisbatterij, een paar warmtepompen, een auto die aan de lader hangt, en een dynamisch stroomtarief dat per uur verandert en soms zelfs onder nul zakt. Home Assistant is de dirigent van dat orkest. En net als bij een orkest bleek: de dirigent kan er behoorlijk naast zitten als hij op zijn onderbuik afgaat.

De eerste versie van mijn energie-aansturing werkte zoals bijna iedereen begint: met simpele regels. Als de prijs laag is, laad de batterij. Als de prijs hoog is, gebruik de batterij. Zet de warmtepompen aan als er stroom over is. Logisch, overzichtelijk, en op papier prima. In de praktijk liet die aanpak structureel geld liggen. Dit is het verhaal van hoe ik dat ontdekte, en waarom mijn huis nu elke dag honderden scenario’s doorrekent in plaats van een handjevol regels te volgen.

De regel die logisch leek en toch fout was#

Het meest hardnekkige misverstand zat in de volgorde van acties. Mijn oorspronkelijke logica zei: schakel de zonnepanelen pas uit op het moment dat je de grote verbruikers aanzet. Klinkt netjes: eerst je eigen zon gebruiken, dan pas ingrijpen.

Op een zonnige ochtend klopte dat niet. Als je de panelen pas om elf uur uitschakelt, is de batterij tegen die tijd allang weer vol met je eigen zonnestroom. En een volle batterij kun je niet meer leegmaken om er goedkope of zelfs betaalde netstroom in te stoppen op het moment dat dat het voordeligst is. De volgorde die logisch voelde, blokkeerde precies de winst die ik wilde pakken. De panelen moesten juist eerder uit, niet later.

Dat is geen fout in één regel die je even bijstelt. Het is een teken dat het hele idee van “een paar slimme regels” te bros is voor dit probleem. Zonproductie, batterijstand, verbruik van elk apparaat en de prijs per uur grijpen op elkaar in op een manier die je niet in je hoofd kunt bijhouden. Elke regel maakt stille aannames, en zodra de omstandigheden net anders liggen, kloppen die aannames niet meer.

Van regels naar een simulator#

De oplossing was om te stoppen met vooraf bedenken wat het beste is, en het in plaats daarvan te laten uitrekenen. Ik heb een aparte planner gebouwd die elke dag hetzelfde doet als een schaker die vooruitdenkt: niet één zet kiezen op gevoel, maar een berg mogelijke plannen doorrekenen en pas dan beslissen.

Concreet genereert die planner elke dag zo’n 577 kandidaat-strategieën. Elke strategie is een complete dagindeling: wanneer gaan de panelen uit, wanneer begint de batterij leeg te lopen, welke apparaten doen daaraan mee, wanneer laad ik juist bij vanaf het net, en welke verbruikers clusteren we in het goedkoopste venster. Voor elk van die 577 plannen draait een simulator die de dag uur voor uur naspeelt.

Die simulator is geen magie. Hij modelleert de zonproductie als een curve rond het middaguur met een correctie voor bewolking, telt de last van elk apparaat op, rekent per uur uit wat de batterij doet (bijladen, ontladen of niets), bepaalt hoeveel stroom er het net op of af gaat, en vermenigvuldigt die stroom met de prijs van dat uur. Aan het eind van de rit heeft elk scenario een prijskaartje: netto euro’s over de hele dag. De planner sorteert ze en kiest de goedkoopste. De hele exercitie, 577 scenario’s doorrekenen inclusief een leesbaar rapportje, duurt zo’n twee minuten.

Het mooie is dat de uitkomst geen schatting is maar een getal. Op een van de dagen die ik goed heb gedocumenteerd, een dag in het voorjaar, koos de simulator een plan dat de panelen ‘s ochtends vroeg uitzette, de batterij tussen vier en elf uur liet leeglopen met alleen de warmtepomp van het huis, daarna tussen elf en vier bijlaadde, en de grote verbruikers samen in het goedkoopste blok zette. De verwachte uitkomst van die dag was geen kostenpost maar een opbrengst, en het verschil met “niets doen” was 26 euro en 37 cent. Op één dag.

“Alles aan” kostte juist geld#

De verrassendste les kwam van een scenario dat ik intuïtief als goed had bestempeld: tijdens het venster waarin je de batterij leegmaakt, zet je gewoon zoveel mogelijk apparaten aan. Meer verbruik, meer profijt, toch?

De simulator liet zwart op wit zien dat dat niet klopte. Op die voorjaarsdag was het optimaal om alléén de warmtepomp van het huis mee te laten draaien in dat leegmaak-venster. Het zwembad erbij zetten kostte veertig cent aan import in een moment dat de prijs positief was, zonder dat het iets extra’s opleverde. De batterij was met alleen de huis-warmtepomp al bijna leeg; de rest was pure verspilling. Een regel als “zet alles aan tijdens het draai-venster” had die veertig cent elke keer weer weggegooid, en niemand had het gemerkt.

Dat is precies het punt. Mijn onderbuik zat er niet één keer naast, maar op een voorspelbare, herhaalbare manier. Toen ik mijn intuïtie systematisch vergeleek met wat de simulator uitrekende, bleek mijn gevoel meermaals aantoonbaar duurder uit te pakken, en soms uren te laat met een actie die vroeger had gemoeten. Doorrekenen versloeg de onderbuik, keer op keer.

Wat een MKB-lezer hieruit haalt#

Nu denk je misschien: leuk hoor, dat huis van jou, maar ik run een bedrijf, geen batterij. Toch is dit precies het patroon dat in verrassend veel bedrijfsbeslissingen zit. Overal waar meerdere factoren op elkaar inwerken en je een keuze maakt op ervaring of gevoel, ligt dezelfde valkuil op de loer als bij mijn energieregels.

Denk aan prijsstelling: wat gebeurt er met je marge en je volume bij drie verschillende prijspunten, over een heel seizoen doorgerekend in plaats van op gevoel geschat? Denk aan inkoop en voorraad: welke bestelstrategie is het goedkoopst als je vraag, levertijd en houdbaarheid tegen elkaar in werken? Denk aan de timing van een campagne of de planning van je capaciteit. Stuk voor stuk situaties waarin een simpele vuistregel logisch voelt en toch structureel geld laat liggen, precies omdat de factoren op elkaar inwerken.

De les is niet “koop dure software”. De les is: als een beslissing belangrijk genoeg is en je kunt de belangrijkste factoren in een rekenmodel vangen, laat dan honderden varianten doorrekenen in plaats van er één te kiezen op ervaring. Zo’n simulator hoeft niet perfect te zijn. De mijne rekent de zon met een simpele curve, niet met een echt weermodel, en dat is prima genoeg om betere beslissingen te nemen dan mijn onderbuik. Dat is meteen de belangrijkste nuance: je bouwt geen orakel, je bouwt een hulpmiddel dat je gevoel toetst aan cijfers.

Wat me het meest verbaasde, is hoe haalbaar dit is. Zo’n doorreken-model bouw je vaak in een dag of twee, en het verdient zich meestal ruimschoots terug omdat elke beslissing die het verbetert, zich blijft herhalen. Niet elke vraag verdient dit; voor een eenmalig keuzetje is het overkill. Maar voor een terugkerende beslissing waar geld in omgaat, is doorrekenen bijna altijd slimmer dan gokken.

Zelf aan de slag#

De denkstap achter dit hele verhaal, beslissen wat je zelf mag automatiseren en waar je grip op wilt houden, heb ik uitgewerkt in een gratis hulpmiddel op deze site. In het Ai-stoplicht bepaal je per proces wat je met een gerust hart uit handen geeft aan een systeem en waar een mens tussen moet blijven. Meer gratis materiaal vind je bij de downloads.

Wil je verkennen of er in jouw bedrijf zo’n terugkerende beslissing zit die je nu op gevoel neemt en beter kunt doorrekenen? Kijk dan op de consulting-pagina hoe ik werk. Geen belofte van een zelfrijdend bedrijf, wel een nuchtere blik op waar doorrekenen jou echt iets oplevert.