Artikelen van categorie

Hoe Startup House het leaseaanvraagproces voor Siemens Financial Services terugbracht tot 2 minuten

Leasen betekende vroeger papierwerk, handmatige kredietcontroles en beslissingen die moesten wachten tot kantoortijden. Voor Siemens Financial Services Poland verving Startup House dat door SimplyLease Online: een aanvraag die klanten in ongeveer 2 minuten invullen, met een geautomatiseerde kredietbeslissing die binnen ongeveer 7 minuten volgt, op elk moment van de dag. Deze case study laat zien hoe het platform is gebouwd binnen de beveiligingsstandaarden van Siemens Group, hoe het koppelt met Siemens-systemen en externe dataleveranciers, en wat een samenwerking die sinds 2016 loopt heeft opgeleverd. Deze case study sluit af met drie lessen die gelden voor vrijwel elk financierings- of kredietproduct.

Hoe een cybersecurityplatform dat Fortune 500-klanten bedient de onboardingtijd met 95% verkortte dankzij een door Startup House gebouwde AI-agent

Een cyberrisicoplatform dat wordt vertrouwd door Fortune 500-bedrijven had een herkenbaar probleem: klanten waardeerden het, maar openden het slechts eens per kwartaal, en onboarding kostte 45 minuten met begeleide setup. Startup House bouwde Aria, een AI-agent die in het product is ingebed, met een interface met vier lagen die bestuursleden, CFO's en CISO's in één paneel bedient. De onboarding-tijd daalde met 95% tot onder de 2 minuten, data-exploratie werd volledig self-service, en het platform veranderde in een dagelijks beslisondersteunende tool. Deze case study beschrijft de interface, de tenant-isolatiearchitectuur, en waarom dit alles kon zonder de core codebase van het platform aan te raken.

AI- en digitale projecten door Startup House: 5 meetbare resultaten in cijfers

In softwareontwikkeling zijn beweringen zo gedaan, dus dit artikel houdt het bij cijfers. We bespreken vijf uitkomsten uit klantprojecten van Startup House: van een reductie van 95% in onboardingtijd dankzij een embedded AI-agent tot een daling van 40% in ontwikkelkosten voor Omnipack. In elke sectie staat welk soort werk het cijfer opleverde en linken we naar de publieke case study erachter. In de afsluitende sectie noemen we drie patronen die deze projecten gemeen hebben, de moeite waard om over te nemen, of je nu wel of niet met ons samenwerkt.

Healthtech-softwareontwikkeling bij Startup House: projecten en resultaten met compliance als prioriteit

Bij software voor de zorg is compliance ofwel een architectuurkeuze vanaf het begin, ofwel iets dat je achteraf inbouwt. Dit artikel laat zien hoe je het vanaf dag één inbouwt aan de hand van drie projecten van Startup House: een verkoopplatform voor Siemens Healthineers, actief in meer dan 60 landen; een dementiezorg-MVP, gevormd door 7 gebruikerstests met patiënten en zorgverleners; en Doogie, een HIPAA-grade AI-showcase die in 2 maanden is gebouwd. Het legt ook uit hoe RAG klinische AI-antwoorden herleidbaar houdt tot geverifieerde bronnen, en waarom patiëntgegevens nooit worden gebruikt om modellen te trainen. Voor MedTech-bedrijven en SaaS-platformen voor de zorg is dit een praktische blik op wat engineering met compliance als uitgangspunt in de praktijk betekent, meer dan alleen een label.

Edtech-ontwikkeling bij Startup House: wat we hebben gebouwd en wat er daardoor is veranderd

EdTech-platformen falen vaker door UX-problemen dan door technische problemen: cursisten haken af, content schaalt niet mee en de ROI blijft onzichtbaar. Dit artikel laat zien hoe Startup House dat voorkomt met gefaseerde oplevering en echte gebruikerstesten, aan de hand van twee projecten. Graspify ging van een gedurfd idee naar een microlearning-platform dat tijdens een bedrijfsevenement honderden medewerkers trainde, en LITTLEWINE kreeg in 2 weken op basis van 10 gebruikersinterviews een scope die klaar is voor investeerders. We behandelen ook AI-leertools die uitsluitend antwoorden op basis van goedgekeurde content en in slechts 2 weken live kunnen gaan.

AI in fintech: Startup House-projecten, geleerde lessen en resultaten

Fintech-klanten verwachten consumer-grade snelheid, terwijl toezichthouders bank-grade controle eisen. In dit artikel laten we zien hoe Startup House die spanning heeft aangepakt in drie projecten: geautomatiseerde 24/7 kredietbeslissingen voor Siemens Financial Services, een cyberrisico-platform dat de omzet in één jaar met 150% liet groeien, en een climate fintech-team voor CHOOOSE dat we in 2 weken samenstelden. Bij elk project delen we de belangrijkste les. We sluiten af met vijf regels voor AI in finance, van elk antwoord baseren op geverifieerde data tot tenant isolation in de architectuur ontwerpen.

AI-agents voor klinische documentatie en medische administratie

Hoe ambient agents klinische notities opstellen, declaratiecodes toewijzen en voorafgaande machtigingen afhandelen — en zo zorgverleners de uren teruggeven die het EPD hen kost.

AI-agenten voor energiebeheer in industriële faciliteiten

Hoe autonome AI-agents industriële energiekosten verlagen — via piekreductie, HVAC-optimalisatie en afstemming met het elektriciteitsnet, realtime uitgevoerd zonder menselijke tussenkomst.

AI-agenten voor workflowoptimalisatie in fabrieken

Hoe autonome agenten de hele fabriek aansturen — knelpunten wegwerken, onderhoud plannen en middelen herverdelen voordat de productie eronder lijdt.

Hoe samenwerken met Startup House er in de praktijk uitziet: engineers, scopewijzigingen en IP-eigenaarschap

Voordat ze met een softwarepartner in zee gaan, stellen klanten drie vragen: wie werkt er aan mijn product, wat gebeurt er als prioriteiten verschuiven, en wie is eigenaar van wat we bouwen. Dit artikel beantwoordt ze alle drie aan de hand van de daadwerkelijke voorwaarden waaronder Startup House werkt. Je ziet hoe engineers worden gescreend en door jou worden goedgekeurd, hoe teams kunnen opschalen of afschalen met een afgesproken opzegtermijn, en waarom alle code, ontwerpen en documentatie jouw eigendom zijn — zonder vendor lock-in. Ook komen de vier samenwerkingsmodellen en de regels die gelden voor AI-ondersteunde oplevering aan bod.

Van Discovery tot Maintenance: hoe Startup House een project stap voor stap aanpakt

Elk Startup House-project volgt hetzelfde traject, en elke fase eindigt met een concreet resultaat, zodat je kunt instappen waar jouw product nu staat. Dit artikel legt het stap voor stap uit: Product Discovery in 4 tot 8 weken, Scope Building in 2 tot 5 weken, ontwikkeling met een MVP dat zijn eerste gebruiker al binnen 1 week kan bereiken, Quality Engineering vanaf de eerste sprint en langdurig onderhoud. Bij elke stap zie je wat er gebeurt en wat je aan het einde ontvangt. Ook laten we zien waar AI het werk versnelt en hoe de governance geborgd blijft.

15 vragen die klanten stellen voordat ze met Startup House aan een project beginnen

Elk verkoopgesprek draait om dezelfde thema’s: wat een project kost, hoe snel je kunt starten, wie het werk doet en wie eigenaar is van het resultaat. Dit artikel bundelt de 15 vragen die klanten het vaakst aan Startup House stellen, geordend naar kosten, tijd, team, eigendom en security, en de match. Elk antwoord is precies wat we in gesprekken geven, met concrete cijfers zoals kleine MVP-budgetten van €25.000 tot €50.000 en onboarding binnen 2 tot 4 weken. Gebruik dit als checklist voor elke softwarepartner die je beoordeelt.

AI-agents voor patiëntenplanning en zorgcoördinatie

Hoe autonome AI-agents 24/7 afspraken plannen, verzetten en vrijkomende plekken opvullen — no-shows terugdringen, verwijzingslekken dichten en het klinisch personeel ontlasten.

AI-agenten voor gepersonaliseerd winkelen en productaanbevelingen

Zo vervangen chatbots en AI-assistenten facetnavigatie — met semantische productontdekking, realtime personalisatie en guided selling die de gemiddelde orderwaarde verhogen.

AI-agenten voor predictief onderhoud en betrouwbaarheid van assets

Hoe autonome AI-agents trillings-, thermische en akoestische data analyseren om storingen al weken van tevoren te voorspellen — en daar zonder menselijke tussenkomst meteen op handelen.

AI-agenten voor prijs- en promotieoptimalisatie

Hoe autonome agents in real-time prijzen bepalen en promoties nauwkeurig targeten — en zo de marge beschermen in plaats van iedereen korting te geven die anders de volledige prijs zou hebben betaald.

AI-agenten voor productieplanning en scheduling

Hoe autonomous agents de productieplanning op de werkvloer binnen enkele seconden herplannen wanneer een machine uitvalt of er een spoedorder binnenkomt — en zo capaciteit terugwinnen die je al in huis hebt.

AI-agenten voor naleving van wet- en regelgeving en KYC-automatisering

Hoe autonome AI-agents KYC, AML-screening en toezichtsrapportage end-to-end uitvoeren — en zo de onboarding verkorten van dagen naar seconden, met behoud van een audit-proof audit trail.

AI agents voor het automatiseren van de klantenservice in de retail

Hoe autonome agenten de retailklantenservice end-to-end afhandelen — retouren verwerken, bestellingen volgen en upsellen — in plaats van klanten naar een FAQ-pagina te verwijzen.

AI-agenten voor voorraadoptimalisatie in de retail

Hoe autonome AI-agents de voorraad tussen winkels herverdelen, de veiligheidsvoorraad dynamisch instellen en autonoom bijbestellen — nog vóórdat er lege schappen ontstaan.

AI-agenten voor vermogensbeheer en financieel advies

Verder dan robo-adviseurs: zo herbalanceren autonome AI-agents portefeuilles, passen ze tax-loss harvesting toe en personaliseren ze advies op grote schaal, met menselijke goedkeuring waar dat ertoe doet.