Woningen

De endpoint die in deze sectie wordt beschreven, is van toepassing op grondgebonden woningen. Hieronder vallen:

• Vrijstaande woningen

• Twee-onder-een-kapwoningen

• Hoekwoningen

• Tussenwoningen

Het model gaat uit van één zelfstandige woning met een eigen dak, eigen gevels en eigen installaties. Hierdoor kan de API isolatieniveaus, verwarmingssystemen en andere maatregelen schatten op basis van gebouwkenmerken en voorspellingen met machine learning.

Validatie en voorspellingsprestaties

Altum AI voert elk kwartaal prestatietests uit van de NTA 8800 Energielabel API voor woningen, met een representatieve steekproef van 10.000 adressen met een NTA 8800-bepalingsmethode. De prestaties worden beoordeeld met Mean Absolute Error (MAE), Median Absolute Error (MedAE) en het percentage resultaten binnen vastgestelde BENG2- en energielabelfoutmarges.

BENG2 / energielabelinformatie beschikbaar

Gebruikt een statistisch model in combinatie met de informatie over het definitieve energielabel of BENG2. De resultaten meten daarom de consistentie van de API met de beschikbare energie-informatie.

Q3 2026

MAE: 23.14

MedAE: 14.0

BENG2

18.60% voorspellingen binnen een foutmarge van 5 BENG2-eenheden.
36.97% voorspellingen binnen een foutmarge van 10 BENG2-eenheden.
64.63% voorspellingen binnen een foutmarge van 20 BENG2-eenheden.
81.14% voorspellingen binnen een foutmarge van 30 BENG2-eenheden.
89.27% voorspellingen binnen een foutmarge van 40 BENG2-eenheden.
94.79% voorspellingen binnen een foutmarge van 50 BENG2-eenheden.
96.73% voorspellingen binnen een foutmarge van 60 BENG2-eenheden.
97.47% voorspellingen binnen een foutmarge van 70 BENG2-eenheden.
97.93% voorspellingen binnen een foutmarge van 80 BENG2-eenheden.
98.45% voorspellingen binnen een foutmarge van 90 BENG2-eenheden.
98.70% voorspellingen binnen een foutmarge van 100 BENG2-eenheden.
99.21% voorspellingen binnen een foutmarge van 150 BENG2-eenheden.
99.51% voorspellingen binnen een foutmarge van 200 BENG2-eenheden.
99.78% voorspellingen binnen een foutmarge van 400 BENG2-eenheden.
99.81% voorspellingen binnen een foutmarge van 500 BENG2-eenheden.

Energielabel

94.75% voorspellingen binnen 0 energielabel verschil.
99.39% voorspellingen binnen 1 energielabel verschil.
99.81% voorspellingen binnen 2 energielabel verschil.
99.94% voorspellingen binnen 3 energielabel verschil.
99.95% voorspellingen binnen 4 energielabel verschil.
99.97% voorspellingen binnen 5 energielabel verschil.
100.00% voorspellingen binnen 6 energielabel verschil.
100.00% voorspellingen binnen 7 energielabel verschil.
100.00% voorspellingen binnen 8 energielabel verschil.
100.00% voorspellingen binnen 9 energielabel verschil.
100.00% voorspellingen binnen 10 energielabel verschil.

BENG2 / energielabelinformatie niet beschikbaar

Gebruikt machine learning om het energielabel of de BENG2-waarde te voorspellen wanneer definitieve informatie niet beschikbaar is. Deze resultaten geven de werkelijke voorspellende prestaties van de API weer.

Q3 2026

MAE: 47.45

MedAE: 29.0

BENG2

8.13% voorspellingen binnen een foutmarge van 5 BENG2-eenheden.
17.89% voorspellingen binnen een foutmarge van 10 BENG2-eenheden.
35.25% voorspellingen binnen een foutmarge van 20 BENG2-eenheden.
50.22% voorspellingen binnen een foutmarge van 30 BENG2-eenheden.
61.41% voorspellingen binnen een foutmarge van 40 BENG2-eenheden.
71.19% voorspellingen binnen een foutmarge van 50 BENG2-eenheden.
78.41% voorspellingen binnen een foutmarge van 60 BENG2-eenheden.
82.73% voorspellingen binnen een foutmarge van 70 BENG2-eenheden.
86.16% voorspellingen binnen een foutmarge van 80 BENG2-eenheden.
88.92% voorspellingen binnen een foutmarge van 90 BENG2-eenheden.
90.89% voorspellingen binnen een foutmarge van 100 BENG2-eenheden.
95.95% voorspellingen binnen een foutmarge van 150 BENG2-eenheden.
97.89% voorspellingen binnen een foutmarge van 200 BENG2-eenheden.
99.72% voorspellingen binnen een foutmarge van 400 BENG2-eenheden.
99.78% voorspellingen binnen een foutmarge van 500 BENG2-eenheden.

Energielabel

45.67% voorspellingen binnen 0 energielabel verschil.
81.87% voorspellingen binnen 1 energielabel verschil.
92.99% voorspellingen binnen 2 energielabel verschil.
97.34% voorspellingen binnen 3 energielabel verschil.
99.12% voorspellingen binnen 4 energielabel verschil.
99.62% voorspellingen binnen 5 energielabel verschil.
99.87% voorspellingen binnen 6 energielabel verschil.
99.95% voorspellingen binnen 7 energielabel verschil.
99.99% voorspellingen binnen 8 energielabel verschil.
100.00% voorspellingen binnen 9 energielabel verschil.
100.00% voorspellingen binnen 10 energielabel verschil.