Het gebouw dat een Jaguar deed smelten: waarom ik AI niet meer vertrouw om ook maar iets te ontwerpen

Er is een Jaguar in Londen die door een gebouw is gesmolten.

Niet door een brand in het gebouw. Door het gebouw zelf. De holle glazen gevel van 20 Fenchurch Street — liefkozend de "Walkie-Talkie" genoemd — bundelde zonlicht op de straat eronder, als een kind met een vergrootglas. De temperaturen op het trottoir bereikten niveaus die de carrosserie van de auto deden kromtrekken. Tegels barstten. Een journalist bakte voor een nieuwsitem een ei op de stoep.

De architect, Rafael Viñoly, had dit al eerder gedaan. Zijn Vdara Hotel in Las Vegas heeft een halvemaanvormige gevel die creëert wat gasten de "death ray" noemen — een convergentiezone bij het zwembad waar zonnestraling plastic ligstoelen doet smelten en haar verschroeit. De oplossing? Enorme parasols. Dat is alles. Parasols.

Ik denk voortdurend aan deze gebouwen. Niet omdat het technische mislukkingen zijn — dat zijn ze — maar omdat ze een perfecte voorproeve zijn van wat er gebeurt wanneer je esthetiek voor laat lopen op fysica. En op dit moment, met generatieve AI, staan we op het punt deze fout te maken op een schaal die Viñoly zou doen blozen.

Ik ben Ashutosh, en mijn team bij Veriprajna bouwt AI-systemen voor de architectuur- en bouwsector. We hebben de afgelopen tijd van ons leven besteed aan discussiëren — soms met elkaar, vaak met potentiële klanten, af en toe met investeerders — dat het gevaarlijkste aan AI op dit moment niet een model is dat geen gebouw kan genereren. Het is een model dat dat wel kan.

Het Escher-probleem

Open Midjourney. Typ "duurzame wolkenkrabber in Miami, fotorealistisch." Binnen zo'n negentig seconden krijg je iets prachtigs. Glas dat het gouden-uurlicht vangt. Weelderig groen dat van terrassen omlaag stroomt. Het soort beeld waarbij de pupillen van een ontwikkelaar zich verwijden.

Kijk nu beter. Kijk echt goed.

De trap in de lobby eindigt tegen een massieve muur. De dragende kolommen lossen op in het plafond zonder kracht ergens naartoe over te dragen. De ramen hebben geen enkel openingsmechanisme — het zijn gewoon rechthoeken van licht die op een oppervlak zijn geschilderd. De overkraging aan de oostkant zou materialen vereisen die niet bestaan om te voorkomen dat hij onder zijn eigen gewicht instort.

Ik begon deze "Escher-schilderijen" te noemen nadat we een reeks AI-gegenereerde ontwerpen hadden laten zien aan een constructeur in ons team. Hij lachte zo'n tien seconden, en werd toen oprecht boos. "Dit is geen architectuur," zei hij. "Dit is een hallucinatie die toevallig op een gebouw lijkt."

Hij had gelijk, en het woord "hallucinatie" is preciezer dan de meeste mensen beseffen. Wanneer een diffusiemodel een afbeelding genereert, werkt het in wat men de latente ruimte noemt — een wiskundig universum waarin "raam" betekent "een visueel patroon dat voorkomt naast andere visuele patronen die als raam zijn gelabeld." Het model heeft geen begrip van thermische onderbrekingen, beglazingsverhoudingen, ruwe openingsmaten of loodslabben. Het weet niet dat belasting continu naar een fundering moet worden overgedragen. Het weet dat kolommen doorgaans verticale dingen zijn die in gebouwen voorkomen.

Een diffusiemodel begrijpt architectuur niet. Het voorspelt statistisch hoe architectuur eruitziet.

Dat onderscheid — tussen hoe iets eruitziet en wat iets is — staat centraal in alles wat we bouwen.

Waarom is dit belangrijk als het "slechts" een conceptbeeld is?

Dit is het bezwaar dat ik het vaakst hoor. Een durfkapitaalpartner zei dit rechtstreeks tegen me tijdens een kop koffie: "Ashutosh, niemand giet beton op basis van een Midjourney-afbeelding. Het is alleen voor ideevorming."

Ik wilde het met hem eens zijn. Het zou het fondsenwerven makkelijker hebben gemaakt. Maar hij heeft ongelijk, en hier is waarom.

De bouwsector werkt volgens iets wat ik de 90/10-regel noem. Esthetiek — het deel dat een klant verliefd doet worden — vertegenwoordigt misschien 10% van de totale succesmaatstaf van een project. De overige 90% bestaat uit maakbaarheid, structurele integriteit, logistiek van de toeleveringsketen, naleving van regelgeving en economische haalbaarheid. Wanneer je een ontwikkelaar in de eerste vergadering een prachtige AI-render laat zien, heb je een esthetisch anker gezet. Alles wat daarna volgt, is een kostbare onderhandeling om zo dicht mogelijk bij dat anker te komen als de werkelijkheid toelaat.

En de werkelijkheid is meedogenloos.

Het Sydney Opera House is het klassieke voorbeeld. Jørn Utzon won de wedstrijd met een ontwerp dat, structureel gezien, een fantasie was. De betonnen schelpen waren geometrisch onbepaald — niemand wist hoe ze gebouwd moesten worden. Het project ging toch door omdat de visie te mooi was om op te geven. Het kostte een decennium van technische strijd om een bouwbare oplossing te vinden. Het budget explodeerde van $7 miljoen naar $102 miljoen — een overschrijding van 1.400%.

Dat was één gebouw, één architect, één moment van ongeremde ambitie. Stel je nu voor dat elke ontwikkelaar ter wereld op dag één renderingen van Midjourney-kwaliteit krijgt. Stel je duizenden projecten voor die verankerd zijn aan vormen die financieel onverantwoord zijn nog voordat de eerste schop de grond raakt.

Dat is geen ideevorming. Dat is een pijplijn van toekomstige faillissementen.

De pixel die $25 miljoen kost

Ik moet het over glas hebben, want glas is waar de economie van door AI gegenereerde architectuur echt absurd wordt.

Voor een diffusiemodel zijn een vlakke pixel en een gebogen pixel identiek. Het genereren van een golvende, kronkelende glazen gevel kost precies evenveel rekenkracht als het genereren van een vlakke. De AI ziet geen verschil.

Voor een ontwikkelaar is het verschil existentieel.

Standaard vlak gehard glas — het bulkproduct dat van geautomatiseerde float-fabrieken komt — kost ongeveer $18 tot $25 per vierkante voet in 2025. Het is overal verkrijgbaar. Makkelijk te vervoeren, makkelijk te vervangen.

Op maat gemaakt gebogen glas — waarbij elk paneel over een op maat gemaakte mal wordt verhit en langzaam in vorm wordt gebogen met apart gereedschap voor elke unieke straal — kost $100 tot meer dan $500 per vierkante voet.

Reken het uit voor een gebouw met 50.000 vierkante voet beglazing. Vlak glas: $1,25 miljoen. Gebogen glas: tot $25 miljoen. De AI weet dit niet. Het kan de AI niet schelen. De AI denkt dat bochten gratis zijn, omdat ze dat in pixelruimte ook zijn.

In latente ruimte kost een bocht niets. In fysieke ruimte kost hij 20x meer. Generatieve AI leeft in latente ruimte. Gebouwen leven in fysieke ruimte.

Hierdoor lig ik wakker. Niet omdat de beelden slecht zijn — ze zijn prachtig. Omdat de beelden verleidelijk zijn. Ze laten onbouwbare dingen onvermijdelijk lijken.

Ik heb geschreven over de volledige economie hiervan — glasverschillen, beperkingen in de staaltoeleveringsketen, fabricagecomplexiteit — in de interactieve versie van ons onderzoek. De cijfers zijn erger dan de meeste mensen verwachten.

De nacht waarop we onze eerste aanpak weggooiden

Ik ga eerlijk zijn over iets. Toen we met Veriprajna begonnen, bouwden we een wrapper.

Ik weet het. Ik weet het. We namen een foundation model, stemden het fijn af op architectonische data, bouwden een mooie interface, en hielden onszelf voor dat we iets anders deden. Dat deden we niet. We deden precies hetzelfde als elke andere AI-consultancy — een generalistisch model opnieuw verpakken en het enterprise-grade noemen.

Het moment van de waarheid kwam op een donderdagavond. We hadden een structureel ontwerp gegenereerd voor een middelhoog woonproject — niets exotisch, gewoon een standaard betonnen skelet. Ons systeem produceerde het in enkele minuten. Het zag er aannemelijk uit. De afmetingen van de elementen leken redelijk. We voelden ons goed.

Toen rekende onze constructeur de cijfers handmatig na. De ligger op de derde verdieping — degene die de AI zelfverzekerd had gedimensioneerd — zou onder gebruikslast drie keer verder zijn doorgebogen dan de norm toestaat. Niet onder een extreem scenario. Onder normaal gebruik. Mensen die rondlopen, meubels, het gewicht van de verdieping erboven. Het gebouw zou zichtbaar zijn doorgezakt.

De AI had een liggermaat gekozen die "er goed uitzag" op basis van trainingsdata. Het had geen intern model van doorbuigingslimieten. Het wist niets van de L/360-gebruiksgrenswaarde. Het had zich via patroonherkenning naar een aannemelijk ogend antwoord gewerkt dat een structurele mislukking zou zijn geweest.

Ik herinner me dat ik in het kantoor zat nadat iedereen was vertrokken, starend naar het scherm, denkend: We bouwen een heel dure manier om zelfverzekerd fout te zitten.

We schrapten de wrapper-aanpak de week erna. Wat we in plaats daarvan begonnen te bouwen, voerde ons naar terrein dat moeilijker, trager en — ik geef het toe — angstaanjagender was. Want het betekende dat we niet zomaar konden meesurfen op de golf van foundation models. We moesten iets vanaf nul engineeren.

Wat is constraint-based generatief ontwerp?

Hier is het kernidee, tot de essentie teruggebracht.

De meeste generatieve AI in de architectuur werkt zo: er gaat tekst in, er komt een afbeelding uit. De taak van de AI is om iets te produceren dat eruitziet als wat je hebt gevraagd. Er zijn geen regels, behalve visuele aannemelijkheid.

Wat wij bouwen werkt anders. Onze AI genereert geen afbeeldingen. Het genereert engineeringbeslissingen. En elke beslissing wordt begrensd door harde beperkingen — fysica, kosten, beschikbaarheid in de toeleveringsketen, bouwvoorschriften — die niet mogen worden overtreden.

We gebruiken Deep Reinforcement Learning, een paradigma dat fundamenteel verschilt van diffusiemodellen. In plaats van willekeurige ruis te ontdoen tot een mooi plaatje, leert onze AI-agent door te doen. Hij plaatst constructie-elementen, wijst liggerprofielen toe, past vloerdiktes aan — en na elke actie krijgt hij feedback van een fysicasimulator, een kostenengine en een controlesysteem voor regelnaleving.

Denk er zo over na: een diffusiemodel is een schilder die een miljoen foto's van gebouwen heeft gezien. Ons systeem is een leerling-constructeur die een miljoen gebouwen heeft ontworpen en elke keer werd uitgescholden wanneer er eentje instortte, te duur was, of staal gebruikte dat niet op voorraad was.

We vragen de AI niet om "een gebouw te ontwerpen." We vragen het om "een gebouw te ontwerpen dat niet instort, de klant niet failliet laat gaan, en dat gebouwd kan worden met materialen die binnen 200 mijl beschikbaar zijn."

De beloningsfunctie — de vergelijking die de AI vertelt wat "goed" betekent — is de kern van alles. Ze balanceert structurele efficiëntie, materiaalkosten en bouwbaarheid, terwijl ze schendingen van de regelgeving zwaar bestraft. De AI mag niet creatief zijn in een vacuüm. Het mag creatief zijn binnen de beperkingen van de werkelijkheid.

Hoe codeer je een toeleveringsketen hard in een AI?

Dit was een van de moeilijkste problemen die we hebben aangepakt, en het is er een waarvan de meeste mensen in de AI-wereld niet eens weten dat het bestaat.

De inkoop van constructiestaal heeft een gespleten persoonlijkheid. Er zijn servicecentra — lokale distributiehubs die standaard liggerprofielen op voorraad hebben met levertijden van dagen. En er zijn fabrieksorders — directe aankopen bij staalfabrieken met minimale tonnage-eisen en levertijden die maanden kunnen duren. Sommige liggerprofielen worden maar één keer per kwartaal gewalst.

Een onbeperkte AI zou een constructie kunnen optimaliseren door een W14x730-ligger te kiezen omdat die perfect voldoet aan een lokale belastingconditie. Wiskundig elegant. Logistiek catastrofaal. Als die ligger een fabrieksorderartikel is met een levertijd van zes maanden, heeft de AI zojuist miljoenen aan financieringskosten aan het project toegevoegd.

Ons systeem is verbonden met live voorraaddatabases. De actieruimte van de AI is gediscretiseerd om aan te sluiten bij wat werkelijk beschikbaar is — standaard AISC W-profielen die servicecentra op voorraad hebben. Wanneer de agent een ligger kiest, krijgt hij een beloningsbonus voor het kiezen van veelvoorkomende voorraadprofielen en een straf voor fabrieksorderartikelen. Hij is zich ook bewust van standaard voorraadlengtes — 40 voet, 60 voet — en wordt gestraft voor ontwerpen die overmatig afval van afkortstukken genereren.

Een van mijn teamleden omschreef het perfect tijdens een late ontwerpsessie: "We bouwen geen ontwerper. We bouwen een inkoopstrateeg die toevallig constructiemechanica begrijpt."

Dat klopt precies.

De virtuele windtunnel

Voor projecten in orkaangevoelige regio's moesten we een ander soort beperkingsprobleem oplossen. Onze AI moet gebouwen ontwerpen die categorie 5-winden overleven — aanhoudende snelheden van meer dan 157 mph.

Het uitvoeren van een volledige Computational Fluid Dynamics-simulatie voor elke ontwerpiteratie zou uren per kandidaat kosten. We moeten miljoenen kandidaten evalueren. Die wiskunde klopt niet.

Hier veranderden Physics-Informed Neural Networks — PINN's — alles voor ons. In plaats van een neuraal netwerk puur op data te trainen, integreren PINN's de fundamentele natuurkundige vergelijkingen rechtstreeks in de verliesfunctie van het netwerk. Voor windbelasting betekent dat de Navier-Stokes-vergelijkingen. Voor structurele analyse de vergelijkingen van evenwicht en spanning-rekcompatibiliteit.

Het resultaat is een neuraal netwerk dat een complexe CFD-simulatie in milliseconden kan benaderen. Onze AI krijgt "fysica-intuïtie" op de snelheid van neurale inferentie.

Wat me fascineerde, was zien wat de AI ontdekte tijdens dit proces. Over miljoenen iteraties leerde het zelfstandig dat scherpe hoeken weerstand en basisafschuiving vergroten. Het leerde randen af te ronden, gebouwvormen taps toe te laten lopen, uitsparingen aan te brengen die vortex-shedding verminderen. Niemand leerde het deze trucs. Het vond ze op dezelfde manier als de natuur ze vindt — door meedogenloze iteratie tegen een onvergeeflijke fitnessfunctie.

Zwaartekracht is geen suggestie. Wind is geen textuur. In ons systeem zijn de wetten van de fysica geen laatste controle — ze zijn een generatieve beperking.

Een constraint-based systeem met zelfs een basale ray-tracing-beloningsfunctie zou de Vdara-death ray in de eerste milliseconde van de simulatie hebben opgemerkt. De AI zou de holle geometrie hebben bestraft omdat ze een gevaarlijke warmtestroom veroorzaakte, en zou een convex of facet-alternatief hebben gegenereerd dat licht veilig verstrooide. Geen parasols nodig.

Voor de volledige technische uiteenzetting van onze beloningsfunctie-architectuur, de PINN-integratie en het federatieve agentontwerp van het systeem, zie onze technische diepgaande analyse.

Het debat dat we blijven voeren

Mensen vragen me of deze aanpak creativiteit doodt. Ik heb dit debat gevoerd met architecten, met investeerders, met mijn eigen team.

Mijn antwoord is geëvolueerd. In het begin ging ik in de verdediging — "beperkingen beperken creativiteit niet, ze kanaliseren haar." Dat is waar, maar het is een cliché. Dit is wat ik nu echt geloof, na te hebben gezien hoe ons systeem miljoenen ontwerpiteraties doorloopt:

Onbeperkte generatie is niet creatief. Het is willekeurig. Creativiteit die ertoe doet — het soort dat resulteert in gebouwen waar mensen daadwerkelijk in wonen — ontstaat uit de spanning tussen wat je wilt en wat de werkelijkheid toestaat. Het Sydney Opera House werd iconisch niet vanwege Utzons oorspronkelijke schets, maar vanwege de decennialange strijd om het bouwbaar te maken. De sferische oplossing die uiteindelijk werkte, is eleganter dan de oorspronkelijke fantasie, juist omdat ze werd gedwongen tot bestaan door beperkingen.

Onze AI opereert in diezelfde ruimte. Het heeft geen oneindige vrijheid. Het heeft een enorme maar begrensde ontwerpruimte, gedefinieerd door beschikbare materialen, natuurwetten en budgetgrenzen. En binnen die ruimte vindt het oplossingen die ons verrassen — structurele configuraties die tegelijkertijd lichter, goedkoper en veerkrachtiger zijn dan wat een menselijke ingenieur zou hebben voorgesteld.

De andere vraag die ik krijg: "Waarom niet gewoon de AI gebruiken voor conceptontwerp en ingenieurs het later laten oplossen?"

Omdat "het later oplossen" de plek is waar projecten sterven. Elke value-engineeringcyclus kost tijd en geld. Elk herontwerp verschuift de planning. En hoe verder een concept reist voordat het de werkelijkheid raakt, hoe pijnlijker de botsing. Wij laden de werkelijkheid vooraf in het generatieproces, zodat er niets meer te repareren valt.

De fiduciaire machine

Er is een manier van kijken waar ik steeds op terugkom. Onze AI is geen ontwerper. Het is een fiduciair.

Een fiduciair heeft een wettelijke verplichting om te handelen in het belang van de klant. Wanneer ons systeem een ontwerpkandidaat beoordeelt, vraagt het niet "is dit mooi?" Het vraagt: kan dit gebouwd worden met materialen die in deze regio beschikbaar zijn? Voldoet het aan de lokale bouwvoorschriften? Zal het de omgevingsbelastingen die specifiek zijn voor deze locatie overleven? En kan de ontwikkelaar het betalen?

De kostenengine schat de totale eigendomskosten (Total Cost of Ownership) voor elke kandidaat — niet alleen materiaalkosten, maar ook fabricagecomplexiteit, arbeidsuren voor verbindingen en energieprestaties op lange termijn. Een standaard geboute afschuifverbinding wordt beloond. Een complexe momentverbinding die volledige-doorlassing in het veld vereist, wordt bestraft. Stalen liggers die de thermische schil doorboren, worden afgestraft voor de decennia aan energieverspilling die ze zullen veroorzaken.

Over miljoenen trainingsepisodes convergeert de agent naar iets opmerkelijks: een ontwerp dat niet alleen structureel geldig is, maar optimaal in balans qua veiligheid, kosten en beschikbaarheid. Geen enkele menselijke ingenieur zou handmatig door zoveel alternatieven kunnen itereren. De combinatorische ruimte is te enorm. Maar een AI-agent met de juiste beloningsfunctie en de juiste beperkingen? Die leeft in die ruimte.

De toekomst is niet betere prompts

Ik sluit af met iets dat misschien hard klinkt, maar ik geloof het volledig.

De bouwsector heeft geen verbeeldingsprobleem. Het heeft een zekerheidsprobleem. Ontwikkelaars hebben geen mooiere renders nodig. Ze hebben vertrouwen nodig dat wat ze zien daadwerkelijk gebouwd kan worden, binnen budget, op schema, met materialen die bestaan.

De huidige golf van generatieve AI — Midjourney, Stable Diffusion, DALL-E — biedt verbeelding zonder zekerheid. Ze biedt de illusie van ontwerp zonder de substantie van engineering. En de kloof tussen die twee dingen wordt gemeten in gesmolten Jaguars, verschroeide zwembadgasten en budgetoverschrijdingen van miljarden dollars.

Wij bouwen iets anders. Geen tool die van gebouwen droomt, maar een systeem dat ze engineert. Fysica hardgecodeerd, omdat zwaartekracht niet onderhandelt. Voorraad hardgecodeerd, omdat toeleveringsketens zich niet plooien naar esthetiek. Kosten hardgecodeerd, omdat geen enkele ontwikkelaar ooit failliet is gegaan aan een gebouw dat te saai was.

Genereer geen kunst. Genereer activa.

De toekomst van de architectuur ligt niet in betere prompts. Ze ligt in betere fysica.