Van Discovery tot Maintenance: hoe Startup House een project stap voor stap aanpakt
Marek Pałys
26 sep 2026・5 min lezen
Het proces in één oogopslag
| Fase | Wat gebeurt er | Typische doorlooptijd |
|---|---|---|
| Eerste contact | Je deelt het idee of de zakelijke uitdaging; discovery-workshop en gedetailleerde projectbrief | Dagen |
| Product Discovery | Onderzoek, probleemdefinitie, prototyping, gebruikerstesten | 4 tot 8 weken |
| Scope Building | Feature-prioritering, technische haalbaarheid, geteste wireframes, kosteninschatting | 2 tot 5 weken |
| MVP-ontwikkeling | Ontwerp, bouw, gebruikerstesten, lancering | MVP: van kickoff tot eerste gebruiker in zelfs 1 week |
| Quality Engineering | Ingebed in elke sprint; opzet vanaf nul | 2 tot 3 weken voor de initiële opzet |
| Onderhoud & doorontwikkeling | Cloud monitoring, QA, nieuwe features, schalen | Doorlopend |
Elke fase eindigt met een concreet deliverable, en elke fase is optioneel: als je al onderzoek hebt, kun je starten bij Scope Building. Heb je al een scope, dan kun je starten met development. Dit is wat er per stap gebeurt.
Stap 0: van eerste call tot projectbrief
Het proces start met het delen van jouw idee of business challenge. We draaien een discovery-workshop en bereiden een gedetailleerde projectbrief voor, gevolgd door een Software Requirements Specification (SRS) met scope, functionaliteiten en budget. Van daaruit maken we een roadmap, wijzen we specialisten toe en kan de ontwikkeling binnen weken beginnen, met volledige transparantie, demo’s en regelmatige updates gedurende het hele traject.
Stap 1: Product Discovery (4 tot 8 weken)
Product Discovery is een gestructureerd onderzoeksproces dat aannames omzet in bewijs, nog vóór er één regel productiecode wordt geschreven. Het beantwoordt de vraag: moeten we dit bouwen?
De zes fasen:
- Research. Stakeholderinterviews, marktanalyse en concurrentieanalyse, met AI-ondersteunde analyse die de dekking vergroot zonder de doorlooptijd te verlengen.
- Probleemdefinitie. Datasynthese, probleemkadering en gebruikerspersona’s, afgezet tegen bedrijfsdoelen.
- Ideation. Samen met jouw team oplossingen co-creëren, gerangschikt op gebruikerswaarde en zakelijke haalbaarheid.
- Prototyping. Een low-fidelity prototype gericht op de gebruikersflow, waarbij AI-tools wireframing en iteratie versnellen.
- User testing. Het prototype getest met echte gebruikers; bevindingen gedocumenteerd en geprioriteerd.
- Handover. Een beslisrijp pakket: MVP-specificatie, kosteninschatting en tech-roadmap.
Wat je ontvangt: een gevalideerd prototype, een geprioriteerde MVP-featurelijst, een ontwikkel-kosteninschatting, documentatie van gebruikerspersona’s en technologische aanbevelingen. Zoals Jonathan Goodman, oprichter van NegotiateNow, het verwoordde: "Tijdens Product Discovery hielp SH me de lean start-up manier van productontwikkeling te begrijpen met initieel onderzoek, discovery-workshops en vele uren discussie en iteratie."
Stap 2: Scope Building (2 tot 5 weken)
Waar Discovery antwoordt op "moeten we dit bouwen?", beantwoordt Scope Building "wat bouwen we precies, en wat kost het?" Het is de brug tussen weten wat je moet bouwen en het daadwerkelijk bouwen.
Het proces: gestructureerde workshops voor afstemming van de visie, feature-prioritering op basis van gebruikerswaarde, zakelijke haalbaarheid en ontwikkelkosten, een technische haalbaarheidsbeoordeling door senior engineers ten opzichte van jullie bestaande stack, high-fidelity interactieve wireframes, gerichte usability testing (waarbij aanpassingen uren kosten, geen sprints), en een definitieve MVP-definitie.
Wat je ontvangt: een definitieve MVP-featurespecificatie, een ontwikkel-kosteninschatting, geteste wireframes, een technische haalbaarheidsbeoordeling en development-ready documentatie. Elke prioriteringsbeslissing is gedocumenteerd met de onderbouwing, zodat stakeholders weten wat is uitgesteld en waarom. Het pakket staat op zichzelf: bouw je met een andere partner of in-house, dan ontbreekt er niets.
Stap 3: ontwikkeling (MVP: zelfs 1 week tot eerste gebruiker)
Ontwikkeling verloopt in vier fasen:
- Scoping en research. Marktvalidatie, waarbij AI het concurrentielandschap in kaart brengt en kernaannames aan stresstests onderwerpt.
- Product design. Wireframes en een klikbaar prototype, waarbij AI parallel meerdere designvarianten genereert, zodat je uit meerdere concepten kiest in plaats van één.
- User testing. Feedback verzamelen en synthetiseren; fixes doorvoeren om designs te finaliseren.
- Ontwikkeling en onderhoud. De daadwerkelijke build, gevolgd door verfijning van features op basis van gebruikersfeedback.
We werken in agile sprints met demo’s en regelmatige updates. Pivoten halverwege de build is voorzien, niet bestraft: door AI-versnelde workflows blijven de kosten van koerswijzigingen laag totdat jouw data anders aangeeft. In de praktijk kan een MVP van kickoff tot eerste gebruiker in zelfs 1 week: we bouwen op bewezen componenten en schrijven alleen maatwerkcode waar het ertoe doet, terwijl enterprise-scope de doorlooptijd verlengt.
Echte voorbeelden uit onze cases: de healthcare-MVP van Simon Care Management doorliep 7 gebruikerstestsessies met patiënten en mantelzorgers. De marketplace van NegotiateNow is op een no-code stack gebouwd om snel de markt te bereiken. Doogie, onze interne AI-showcase, ging van kickoff naar werkende applicatie in 2 maanden.
Stap 4: Quality Engineering, ingebed, niet achteraf opgeplakt
QA bij Startup House is Quality Engineering: testen is vanaf de eerste sprint ingebed in het ontwikkelproces, niet een poort aan het eind. Het opzetten van een QE-proces voor een product dat al in ontwikkeling is, duurt doorgaans 2 tot 3 weken.
De vijf stappen: een kwaliteitsaudit en teststrategie, testcasedesign gekoppeld aan productvereisten, manueel en geautomatiseerd testen (manueel voor complexe gebruikersreizen en edge cases, geautomatiseerd voor regressie en performance), performance- en securitytesting onder realistische load, en release sign-off met CI/CD-integratie.
Automatisering gebruikt Cypress of Playwright, geleidelijk omgezet vanuit gevalideerde manuele testcases, met AI-ondersteund testschrijven om de praktijk op te schalen. Gedocumenteerde testplannen en sign-offrapporten leven in jullie repository, zodat wanneer auditors QA-bewijs vragen voor jullie ISO 27001-, SOC 2- of HIPAA-vereisten, het er al is.
Stap 5: onderhoud en doorontwikkeling
Lancering is het middelpunt, niet de finish. Doorlopend werk omvat kwaliteitsborging, cloudservices met monitoring en verdere feature-ontwikkeling. De meeste klanten gaan door na de MVP: gebruikersfeedback verwerken, features toevoegen en schalen. Cloudinfrastructuur draait met CI/CD-pipelines en supportniveaus tot 24/7.
Het langetermijnpatroon zie je in onze klantenlijst: Siemens Financial Services sinds 2016, het cybersecurityplatform sinds 2020 en Siemens Healthineers al meer dan 6 jaar. We bouwen voor de fase ná lancering, omdat we daar meestal nog jaren later actief zijn.
Waar AI in het hele proces past
AI-tools lopen door elke fase heen: onderzoeksanalyse in Discovery, parallelle designvarianten in prototyping, codegeneratie en testschrijven in ontwikkeling, en feedbacksynthese in testing. Governance is constant: human review op elke commit, securityscans op elke push en AI-gebruik gedocumenteerd in pull requests.
Over Startup House
Startup House is een softwareontwikkelbedrijf van 50 personen, gevestigd in Warschau, Polen, opgericht in 2016, ISO 27001 compliant, met 100+ producten livegeleverd voor klanten op 5 continenten.
Wil je zien hoe dit proces eruitziet voor jouw product? Boek een call van 30 minuten.
FAQ
Hoe lang duurt een volledig project bij Startup House?
Product Discovery duurt 4 tot 8 weken, Scope Building 2 tot 5 weken, en een MVP kan van kickoff tot eerste gebruiker in zelfs 1 week. AI-producten zoals KnowHub kunnen al in 2 weken live zodra de data is voorbereid.
Moet ik beginnen met Product Discovery?
Nee. Als je goed gedocumenteerd gebruikersonderzoek en een duidelijke value proposition hebt, kun je direct starten met Scope Building. Als je een gevalideerde scope hebt, kun je starten met development. De op te leveren resultaten van elke fase staan op zichzelf.
Wat ontvang ik na Product Discovery?
Een gevalideerd low-fidelity prototype, een geprioriteerde MVP-featurelijst, een ontwikkel-kosteninschatting, documentatie van gebruikerspersona’s en technologische aanbevelingen: alles wat je nodig hebt om met helderheid te starten met development.
Hoe wordt testen aangepakt tijdens de ontwikkeling?
Quality Engineering is vanaf de eerste sprint ingebed: QE-engineers werken binnen de sprintcyclus, geautomatiseerde tests (Cypress of Playwright) draaien op elke build en elke release gaat door een gedocumenteerde sign-off. De initiële QE-opzet duurt 2 tot 3 weken.
Wat gebeurt er na de lancering?
De meeste klanten gaan door met onderhoud en doorontwikkeling: gebruikersfeedback verwerken, nieuwe features, QA en cloudmonitoring met supportniveaus tot 24/7. Partnerschappen met Startup House lopen vaak jaren, zoals bij Siemens Financial Services sinds 2016.
Hoe dit artikel is gemaakt. Opgesteld met AI-ondersteuning, daarna gecontroleerd en geredigeerd door ons team. Redactionele verantwoordelijkheid: Startup Development House sp. z o.o. Lees ons AI-contentbeleid
Digital Transformation Strategy for Siemens Finance
Cloud-based platform for Siemens Financial Services in Poland
Wellicht interesseert u ook...
Data-analyse voor zonne-energie
De wereldwijde PV-capaciteit overschreed in 2025 de 1.500 GW, en met hardwarekosten op een historisch dieptepunt ligt het volgende concurrentievoordeel niet in nóg meer panelen plaatsen, maar in meer waarde halen uit de installaties die al draaien. Moderne zonneparken genereren dagelijks miljoenen datapunten uit SCADA, IoT-sensoren, weer-API’s en marktfeeds, maar alleen exploitanten met de juiste analytics-laag zetten die data om in hogere energieopbrengst, lagere O&M-kosten en slimmere marktdeelname. Deze gids laat zien hoe data-analyse in 2026 elke fase van de levenscyclus van zonne-energie verandert — van locatiekeuze en ontwerp tot voorspellend onderhoud, netintegratie en financiële modellering — met concrete benchmarks, KPI’s en implementatietijdlijnen.
Alexander Stasiak
03 mei 2026・8 min lezen
Personalisatie in de media
Bij Netflix is inmiddels 80% van de kijktijd toe te schrijven aan gepersonaliseerde aanbevelingen in plaats van rechtstreekse zoekopdrachten, en 71% van de consumenten verwacht tegenwoordig dat elke mediaservice hetzelfde niveau van maatwerk levert. Tegen 2026 is mediapersonalisatie verschoven van een concurrentievoordeel naar een basisverwachting — maar om dat waar te maken is meer nodig dan een aanbevelingsalgoritme. Het vraagt om schone first‑party data, geünificeerde klantprofielen, een real‑time decisioning‑infrastructuur en een privacystrategie die de uitfasering van third‑party cookies en steeds strengere regelgeving doorstaat. Deze gids behandelt de datafundamenten, kerntactieken, de tech stack en een gefaseerde implementatieroadmap voor mediabedrijven die klaar zijn om voorbij generieke ervaringen te gaan en toe te werken naar echte segment‑of‑one‑personalisatie.
Alexander Stasiak
24 apr 2026・12 min lezen
Use cases voor AI-agenten in 2026
AI-agenten zijn niet langer een onderzoeksdemo; ze lezen inmiddels klantgeschiedenis in echte CRM-systemen, monitoren duizenden transacties per seconde op fraude, stellen pull requests op voor productiecodebases en herbalanceren logistieke vloten zonder menselijke tussenkomst. De verschuiving van reactieve chatbots naar autonome agenten die tools gebruiken en meerstaps-workflows uitvoeren, maakt 2024–2026 tot het kantelpunt voor grootschalige adoptie door bedrijven. Deze gids zet concrete toepassingen van AI-agenten uiteen voor klantenservice, sales en marketing, software-engineering, financiën, logistiek, gezondheidszorg, HR en retail — plus de architectuurkeuzes, governancepraktijken en implementatietips die productierijpe agenten onderscheiden van slimme prototypes.
Alexander Stasiak
29 apr 2026・11 min lezen
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.
Marek Pałys
01 okt 2026・5 min lezen
Voorbeelden van Value-Added Services (VAS)
Tegen 2026 zijn de meeste kerndiensten — databundels, betaalrekeningen, cloudhosting — volledig gestandaardiseerd en inwisselbaar, en de bedrijven die klantloyaliteit winnen, zijn niet degenen die de prijzen verlagen. Het zijn de partijen die slimme value-added services (VAS) erbovenop stapelen: CO2-voetafdruktrackers in bankapps, smarthome-bundels van ISP’s, AI-copilots in SaaS-platforms en abonnementen in Amazon Prime-stijl die eenmalige kopers omzetten in langetermijnabonnees. Deze gids zet concrete VAS-voorbeelden uiteen in telecom, banken, retail en SaaS, legt uit waarom aanbieders met VAS tot wel 30% hogere ARPU realiseren, en geeft je een praktisch 5-stappenframework om te bepalen welke value-added services voor jouw product daadwerkelijk het verschil maken.
Alexander Stasiak
01 mei 2026・11 min lezen
AI in productieplanning
Een typische Europese fabriek besteedt in 2026 nog steeds 60% van de tijd van het planningsteam aan brandjes blussen: het handmatig herplannen van productielijnen, het najagen van ontbrekende materialen en het uitleggen van vertragingen aan de verkoopafdeling. AI in productieplanning verandert die rekensom fundamenteel: voorspellingsmodellen die de MAPE met 20-40% verlagen, optimalisatie-algoritmen die de productiesequentie in minuten herberekenen, en GenAI-copilots waarmee planners in gewone taal vragen kunnen stellen zoals: ‘Waarom haalde lijn 3 vorige week zijn doelstelling niet?’. Deze gids laat zien hoe moderne AI-planningssystemen onder de motorkap echt werken, welke knelpunten ze oplossen in de volledige planningsketen (van vraagplanning, S&OP, MPS en MRP tot capaciteits- en personeelsplanning en planning op de werkvloer), en biedt een praktisch stappenplan voor fabrikanten die klaar zijn om van pilot naar productie te gaan.
Alexander Stasiak
26 apr 2026・13 min lezen
Onlangs toegevoegd
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.
Marek Pałys
01 okt 2026・5 min lezen
Data-analyse voor zonne-energie
De wereldwijde PV-capaciteit overschreed in 2025 de 1.500 GW, en met hardwarekosten op een historisch dieptepunt ligt het volgende concurrentievoordeel niet in nóg meer panelen plaatsen, maar in meer waarde halen uit de installaties die al draaien. Moderne zonneparken genereren dagelijks miljoenen datapunten uit SCADA, IoT-sensoren, weer-API’s en marktfeeds, maar alleen exploitanten met de juiste analytics-laag zetten die data om in hogere energieopbrengst, lagere O&M-kosten en slimmere marktdeelname. Deze gids laat zien hoe data-analyse in 2026 elke fase van de levenscyclus van zonne-energie verandert — van locatiekeuze en ontwerp tot voorspellend onderhoud, netintegratie en financiële modellering — met concrete benchmarks, KPI’s en implementatietijdlijnen.
Alexander Stasiak
03 mei 2026・8 min lezen
Voorbeelden van Value-Added Services (VAS)
Tegen 2026 zijn de meeste kerndiensten — databundels, betaalrekeningen, cloudhosting — volledig gestandaardiseerd en inwisselbaar, en de bedrijven die klantloyaliteit winnen, zijn niet degenen die de prijzen verlagen. Het zijn de partijen die slimme value-added services (VAS) erbovenop stapelen: CO2-voetafdruktrackers in bankapps, smarthome-bundels van ISP’s, AI-copilots in SaaS-platforms en abonnementen in Amazon Prime-stijl die eenmalige kopers omzetten in langetermijnabonnees. Deze gids zet concrete VAS-voorbeelden uiteen in telecom, banken, retail en SaaS, legt uit waarom aanbieders met VAS tot wel 30% hogere ARPU realiseren, en geeft je een praktisch 5-stappenframework om te bepalen welke value-added services voor jouw product daadwerkelijk het verschil maken.
Alexander Stasiak
01 mei 2026・11 min lezen
Use cases voor AI-agenten in 2026
AI-agenten zijn niet langer een onderzoeksdemo; ze lezen inmiddels klantgeschiedenis in echte CRM-systemen, monitoren duizenden transacties per seconde op fraude, stellen pull requests op voor productiecodebases en herbalanceren logistieke vloten zonder menselijke tussenkomst. De verschuiving van reactieve chatbots naar autonome agenten die tools gebruiken en meerstaps-workflows uitvoeren, maakt 2024–2026 tot het kantelpunt voor grootschalige adoptie door bedrijven. Deze gids zet concrete toepassingen van AI-agenten uiteen voor klantenservice, sales en marketing, software-engineering, financiën, logistiek, gezondheidszorg, HR en retail — plus de architectuurkeuzes, governancepraktijken en implementatietips die productierijpe agenten onderscheiden van slimme prototypes.
Alexander Stasiak
29 apr 2026・11 min lezen
Tech Lead: rollen en verantwoordelijkheden
De tech lead is uitgegroeid tot een van de meest onmisbare, en meest misbegrepen, rollen in moderne softwareteams. Vaak verward met engineering managers, zijn tech leads senior individual contributors die eindverantwoordelijk zijn voor de technische koers, de kwaliteit van opleveringen en het faciliteren van het team, terwijl ze zelf hands-on met code blijven. Deze gids maakt helder wat de rol in 2026 echt inhoudt: kerntaken, essentiële vaardigheden, een realistische werkdag, hoe de rol verschilt tussen startups, enterprises en agencies, en een praktisch stappenplan voor engineers die willen doorgroeien.
Alexander Stasiak
28 apr 2026・12 min lezen
Autonome maaltijdbezorging
Bezorgrobots voor op de stoep zijn officieel voorbij de proefprojectfase en maken nu deel uit van de reguliere logistiek. Alleen al Starship Technologies heeft meer dan 9 miljoen leveringen uitgevoerd in meer dan 270 steden en campussen. De last-mile-kosten dalen met 30 tot 50%, en elektrische robots verbruiken per levering ongeveer evenveel energie als het koken van een kop thee. Deze gids laat zien waar autonome maaltijdbezorging in 2026 echt staat: hoe de robots werken, wie ze inzet, de software- en AI-lagen achter de schermen, de regelgeving die de uitrol stuurt, en een gefaseerde roadmap voor restaurants, supermarkten en bezorgplatforms die klaar zijn om met de technologie te testen.
Alexander Stasiak
27 apr 2026・5 min lezen
Klaar om uw kennis te centraliseren met AI?
Begin een nieuw hoofdstuk in kennisbeheer — waarbij de AI-assistent de centrale pijler wordt van uw digitale ondersteuningservaring.
Werk samen met een team dat door toonaangevende bedrijven wordt vertrouwd.
