--- title: "Offertes automatiseren met AI: van aanvraag tot voorstel" description: "Van offerteaanvraag tot voorstel: automatiseer je offerteproces met een AI-agent, geen extra SaaS-tool. CIRFOOD ging van 4 naar 45 aanbestedingen per jaar." canonical: "https://www.whatsnext-ai.com/nl/blog/proposal-automation-ai" published: "2026-09-01T00:00:00.000Z" updated: "2026-09-01T15:43:23.976Z" --- # Offertes automatiseren met AI: van aanvraag tot voorstel Van offerteaanvraag tot voorstel: automatiseer je offerteproces met een AI-agent, geen extra SaaS-tool. CIRFOOD ging van 4 naar 45 aanbestedingen per jaar. ![Two people signing tender and contract documents by hand at a table](https://fgzcpjbyiakhjifaciaj.supabase.co/storage/v1/object/public/media/proposal-automation-ai-cover.jpg) Offertes automatiseren betekent: een AI-agent, geen extra SaaS-tool, gegevens laten ophalen en herberekenen uit binnenkomende aanbestedingsdocumenten in je eigen rekenmodel. CIRFOOD, een cateringbedrijf, ging zo van 4 naar 45 aanbestedingen per jaar. ### Het knelpunt zit niet in het schrijven Vraag een bid manager waar de tijd blijft, en het antwoord is zelden "het schrijven van het voorstel". De uren verdwijnen aan de voorkant. Per aanbesteding staan er 12 tot 22 documenten klaar in een mix van pdf, Excel en Word. Daar moeten met de hand 72 CRM-velden en een paar honderd rekeninputs uit worden overgetikt, voordat het echte werk kan beginnen. Dat voorwerk is precies het deel met de laagste strategische waarde en de hoogste kosten. Het is sorteren, overtypen en controleren. Het bepaalt niet of je de aanbesteding wint, maar het bepaalt wel hoeveel aanbestedingen je überhaupt aankunt. Zo werd bij [CIRFOOD](https://www.whatsnext-ai.com/cases/how-cirfood-scaled-from-4-to-45-tenders-a-year-without-adding-headcount) een groeidoel een personeelsvraag. De directie wilde 50% meer aanbestedingen indienen met hetzelfde team en zonder dat de winkans daalde. Zonder een oplossing voor het voorwerk waren er maar twee uitkomsten: het team laten groeien, of de winkans laten zakken. Geen van beide was acceptabel. ### Waarom "gewoon een offerte-tool" hier niet werkt De reflex is begrijpelijk: er is offerte-software genoeg. Tools als Offorte, Qwilr of de offertemodule in een pakket als Teamleader maken het opstellen en versturen van een nette offerte sneller. Voor een standaarddienst met een vaste prijslijst is dat prima. Maar een aanbesteding is geen standaardofferte. De vertraging zit niet in het opmaken van het document, maar in het verzamelen en herberekenen van gegevens uit brondocumenten die elke keer een andere vorm hebben. Offerte-software automatiseert het versturen. Het raakt het echte knelpunt, het inlezen en omrekenen, niet aan. Je houdt het overtypen, alleen in een mooier sjabloon. Daar komt bij dat de meeste van die tools een abonnement zijn. Je huurt een functie, je bezit niets, en je data en werkwijze zitten vast aan de leverancier. Voor een proces dat je jarenlang draait, is dat een relevante vraag: wie is over zes maanden eigenaar van je gegevens, je prompts en je workflow? ### En zelf bouwen met n8n is ook niet houdbaar De andere reflex is: dan bouwen we het zelf even met een low-code tool. Op fora als Reddit staan complete voorbeelden van een offertegenerator in n8n, gebouwd rond een intakeformulier. Voor een demo werkt dat. In productie loopt het vast. Een low-code flow heeft geen bescherming voor een bestaand rekenmodel, geen controleerbaar spoor per veld, en breekt zodra een leverancier zijn documenten in een net iets ander formaat aanlevert. Precies wat bij een aanbesteding elke keer gebeurt. Je bouwt een fragiel bouwwerk dat je bij elke nieuwe aanleverset opnieuw moet repareren. Dat is geen automatisering, dat is een tweede baan. Meer over die afweging staat in [waarom een AI-bureau inhuren slimmer is dan het zelf bouwen](https://www.whatsnext-ai.com/blog/why-hiring-an-ai-agency-beats-building-it-yourself). ### Onze aanpak: een agent die leest, rekent en je model beschermt Onze aanpak is een AI-agent die de aanbestedingsdocumenten leest, de gegevens eruit haalt en je bestaande rekenmodel bijwerkt zonder de beschermde formules aan te raken. Wij begonnen bij CIRFOOD met weigeren om meteen een tool te scopen. De vraag was capaciteit, geen software. Dus behandelden we het als ontdekken eerst, bouwen daarna. Eerst brachten we het echte werk in kaart. Samen met de bid managers liepen we drie lopende aanbestedingen veld voor veld door (Spaarnelanden, Amsterdam VU, Maastricht UM). Dat leverde een complete inventarisatie op: welke 72 velden, in welke documenten ze staan, hoeveel tijd elk veld handmatig kost, en waar het misgaat als een pakket onvolledig of afwijkend is opgemaakt. Toen zochten we het rekenknelpunt op. De aanneemsom is geen simpele invoer. Het is een transformatie: brutolonen uit de Bijlage 9 van de vorige cateraar worden omgezet naar all-in uurtarieven in het eigen model van CIRFOOD. Elke cateraar levert die Bijlage 9 in een andere kolomindeling aan. Het knelpunt was niet de rekensom, maar het rijmen van steeds wisselende invoerformaten op één vast rekenmodel. Dat rekenmodel bevat ongeveer 230 formulecellen waar het bedrijf al jaren op vertrouwt. Elke tool die daaraan komt, moet mechanisch garanderen dat die formules intact blijven. Daarom bouwden we de beveiliging (formulebescherming met een harde stop bij afwijking) voordat we de parser schreven. #### Wat de agent concreet doet Fase 1 draait nu, met twee tools in productie: - CRM Tender Extraction Tool: een bid manager uploadt een ZIP met het volledige aanbestedingspakket, drukt op start, en krijgt een Excel terug met 72 gestructureerde velden. Elk veld heeft een betrouwbaarheidsscore, het bronbestand, het paginanummer en het exacte citaat. Draait op Claude Sonnet 4.5, deterministisch, in het eigen GCP-project van CIRFOOD. - Aanneemsom Calculator: combineert de extractie met de Bijlage 9 van de zittende cateraar en vult het bestaande rekenblad. De tool vult ongeveer 80 invoercellen en raakt de 230 formulecellen nooit aan. Faalt de formulecontrole na een run, dan stopt het programma hard. Benaderde tarieven worden apart gemarkeerd voor menselijke controle. Het is bewust een [AI-agent](https://www.whatsnext-ai.com/glossary/ai-agent), geen regelgebaseerde macro: hij leest ongestructureerde documenten, redeneert over de inhoud en levert een controleerbaar antwoord met bron. Het [verschil met klassieke RPA](https://www.whatsnext-ai.com/glossary/rpa) is precies dat, en waarom een aanpak op vaste regels bij een aanbesteding met meerdere documenten zou breken. ### Waarom we voor eigen code kozen, niet voor een abonnement Dit vraagt meer dan plug-and-play. Er ging een ontdekkingsfase aan vooraf, en dat is geen omweg maar de reden dat het werkt. Je kunt geen dossier met 230 beschermde formules automatiseren zonder eerst te snappen hoe dat rekenmodel is opgebouwd. De opbrengst van die keuze is eigenaarschap. De tool draait in een GCP-project dat CIRFOOD zelf bezit. De prompts, de geëxtraheerde data en de configuratie zijn van CIRFOOD. De architectuur is stateless en reproduceerbaar, elke run is controleerbaar. Zou What's Next morgen verdwijnen, dan houdt CIRFOOD een werkend bezit, geen dood abonnement. En de mens blijft aan het stuur. Verwerking start alleen op commando, lage betrouwbaarheid geeft een waarschuwing, benaderingen worden gemarkeerd. De bid manager beslist. Dat is het verschil tussen een agent die het oordeel overneemt en een die uren teruggeeft. ### Het resultaat: van 4 naar 45 aanbestedingen per jaar Op drie gemeten aanbestedingen haalde de extractietool 85% van de CRM-velden op, in gemiddeld 128 seconden per aanbesteding. Het voorwerk dat eerst enkele uren per bid manager kostte, is nu in ongeveer twee minuten klaar, met een uitlegbaar spoor per veld. De cijfers die daaruit volgen: - 45 aanbestedingen per jaar, waar het er eerst 4 waren, met hetzelfde team. - Ongeveer 2 minuten voorwerk per aanbesteding, tegen 10 dagen daarvoor. - 40x meer aanbestedingen ingediend door datzelfde team. - Ongeveer 400x goedkoper per aanbesteding: het handwerk kostte 225 tot 300 euro per dossier (3 tot 4 uur werk), de eigen stack ongeveer 0,55 euro. Op 45 aanbestedingen per jaar is dat 10.000 tot 13.500 euro tegenover zo'n 26 euro. Dat is geen 30% besparing, en het schaalt de goede kant op: een tweede aanbesteding kost dezelfde minuten als de eerste. Het groeidoel van 50% werd zo van een aannamevraag een uitvoeringsvraag. De directie plant nu volume tegen de capaciteit van het team, niet tegen de uren van het team. “Wat hen onderscheidt is niet alleen de technische expertise, maar ook het diepe begrip van AI-governance en de valkuilen daarvan, zodat innovatie gecontroleerd, compliant en duurzaam wordt ingevoerd. Dit is geen eenmalig project, maar een langdurig partnerschap gebouwd op vertrouwen, professionaliteit en meetbare resultaten.” Stefano Teatini, General Manager, CIRFOOD. ### Werkt dit patroon breder dan aanbestedingen? Ja. Hetzelfde patroon, lees rommelige brondocumenten, haal de juiste gegevens eruit, lever een controleerbaar antwoord, gebruikten we voor [More2Win](https://www.whatsnext-ai.com/cases/turning-scattered-knowledge-into-an-ai-powered-research-engine), een impactbureau met vijf jaar aan verspreide kennis. Daar beantwoordt een AI-onderzoeksagent nu een vraag in 30 seconden, tegen ongeveer 640x lagere kosten per voorstel dan het handmatige zoekwerk, over 1000+ documenten, EU-gehost en zonder externe modeltraining. Aanbestedingen, offertes, voorstellen, kennisdossiers: zodra het knelpunt "gegevens uit wisselende documenten halen en betrouwbaar hergebruiken" is, past deze aanpak. Het is een concrete vorm van [workflow-automatisering](https://www.whatsnext-ai.com/glossary/workflow-automation). Ken je dit patroon van je facturen? Zie dan hoe we het [voor facturen deden](https://www.whatsnext-ai.com/blog/ai-invoice-automation), en de bredere lijn in [bedrijfsprocessen automatiseren met AI](https://www.whatsnext-ai.com/blog/business-process-automation-with-ai). ### Wanneer dit niet je eerste stap is Eerlijk is eerlijk: niet elk offerteproces vraagt hierom. Verstuur je een handvol standaardoffertes per maand vanaf een vaste prijslijst, zonder wisselende brondocumenten en zonder rekenmodel om te beschermen, dan is een simpele offerte-tool prima. De winst hier zit juist in het tegenovergestelde geval: veel dossiers, rommelige input, en een berekening die niet mag breken. Herken je dat tweede geval, dan is de eerste stap geen tool maar een gesprek over wat het voorwerk je nu écht kost. [Boek een gratis adviesgesprek](https://www.whatsnext-ai.com/contact) en we kijken samen waar bij jou de uren verdwijnen.