Bouwen met AI

Van één prompt naar drie leveringsvarianten, in minder dan tien minuten.

De API van Sympheny is volledig gedocumenteerd, zodat een AI-assistent een project kan opzetten, scenariovarianten kan aanmaken en een optimalisatierun kan starten. Wat er terugkomt, verandert niet: dezelfde engine lost het model op, of een mens of een assistent het nu heeft opgezet.

Een assistent zet het model op. Sympheny lost het op.

Walkthrough van 40 seconden (in het Engels)

Één prompt, drie leveringsvarianten — gasketel, warmtepomp met zonnepanelen op het dak en stadsverwarming — opgezet via de gedocumenteerde API. Clip zonder geluid; elke stap is op het scherm ondertiteld.

De details en de volledige handleiding in onze documentatie →
Wat de walkthrough laat zien

Vijf stappen, van een geschreven briefing naar drie scenario's klaar om te optimaliseren.

Een echte opzet, helemaal doorlopen: een briefing in gewone taal, de aannames die de assistent terugkoppelt, en drie scenario's klaar om te optimaliseren.

  1. Vragen

    Beschrijf de studie in gewone taal

    De briefing vraagt om drie leveringsvarianten — een gasketel, een warmtepomp met zonnepanelen op het dak en stadsverwarming — voor een woongebouw, met de vraag ontleend aan de Sympheny-database. De assistent werkt vanuit de gepubliceerde API en weet dus al wat een project, een scenario en een hub zijn.

  2. Hij schrijft het script

    De assistent maakt het opzetscript

    Hij schrijft het opzetscript zelf, één tak per variant, in plaats van door de interface te klikken. Het script is van u om te bewaren, opnieuw te draaien en te delen — wat meer waard is dan de tijdwinst, omdat een collega precies kan zien wat er is gebouwd.

  3. Aannames controleren

    Hij vertelt u wat hij zelf moest beslissen

    Voordat hij gaat draaien, markeert de assistent de twee dingen die de briefing openliet: welk vraagjaar wordt gebruikt, en waar de koeling vandaan komt. Onduidelijkheden komen boven als vragen, in plaats van als stille standaardwaarden die diep in een model verstopt zitten.

  4. Eén analyse, drie scenario's

    Drie varianten op één gedeelde basis

    Alle drie de scenario's landen in één analyse, met hetzelfde vraagprofiel en dezelfde aannames. Die gedeelde basis maakt de vergelijking verdedigbaar wanneer een klant of een commissie vraagt waarom één variant heeft gewonnen.

  5. Wat er daarna gebeurt

    Sympheny optimaliseert ze

    Vanaf daar is de workflow de gewone. Sympheny optimaliseert elke variant en levert de beste configuraties, met de afwegingen op een Pareto-front. De assistent heeft het model opgezet. Hij heeft het nooit opgelost.

Light App Editor

"Voeg na stap 1 een nieuwe stap toe die alle projecten opsomt…" — en de wizard heeft er een.

AI helpt u de interface te bouwen. Sympheny optimaliseert deterministisch, zoals altijd.

Een light app is een kleine, gerichte interface boven op Sympheny — een wizard die de vorm heeft van de studie die uw team echt draait, niet van het hele platform. U bouwt er een, en past hem aan, in de Light App Editor.

De clip laat zien hoe er een wordt aangepast. Een geschreven instructie voegt een stap toe aan een al uitgerolde wizard van vier stappen, de stappen daaronder krijgen een nieuw nummer, en het nieuwe scherm is twee seconden later uitgerold. De toegevoegde stap is echt, geen mockup: hij somt elk project in het account op, rechtstreeks uit Sympheny.

Light App Editor · 40 seconden

Een al uitgerolde wizard van vier stappen krijgt er een vijfde bij uit één geschreven instructie: twee seconden later uitgerold en rechtstreeks ladend uit Sympheny. Clip zonder geluid; elke stap is op het scherm ondertiteld. De clip laat een bestaande app zien die wordt uitgebreid, niet een app die vanaf nul wordt gebouwd.

Praat met ons over AI voor uw eigen light app →
Drie ingangen

Alles wat een agent nodig heeft, is al gedocumenteerd.

Twee van de drie zijn vandaag al live. De MCP-server, waarmee een assistent verbinding maakt zonder dat u zelf iets hoeft te bouwen, komt in de komende weken beschikbaar.

Nu beschikbaar

REST API

Alles wat het platform doet, is bereikbaar via de gedocumenteerde API — projecten, scenario's, optimalisatieruns en resultaten. U kunt het in de browser uitproberen voordat u een regel code schrijft.

REST API-referentie →
Nu beschikbaar

Python SDK

sympheny-toolbox, de officiële Python-client. Uitgewerkte handleidingen nemen u mee van de installatie tot een afgeronde optimalisatierun, waarbij het inloggen voor u wordt geregeld.

Python SDK-handleiding →
Binnen enkele weken

MCP-server

Een standaardverbinding, zodat een assistent Sympheny bereikt zonder dat u zelf iets hoeft te bouwen. De installatie is al gedocumenteerd; de server gaat in de komende weken live. Tot die tijd doen de REST API en de SDK hetzelfde werk.

MCP-installatie, vooraf gedocumenteerd →
Van opzet leesbaar voor agents

De documentatie is geschreven om door machines én mensen gelezen te worden.

docs.sympheny.com publiceert llms.txt en llms-full.txt: de volledige documentatie in een vorm die een AI-assistent in één keer kan lezen, volgens de llms.txt-conventie.

Zo kunt u een assistent één URL geven en heeft hij het platform in context — endpoints, modelstructuur en uitgewerkte voorbeelden — in plaats van de site te moeten doorzoeken of te gokken naar de vorm van een API.

llms.txtllms-full.txtGedocumenteerde schema'sGetypeerde SDK-methoden
Wat dit niet verandert

De optimalisatie is deterministisch, met of zonder assistent.

Een assistent koppelen verandert hoe een model wordt gebouwd. Het raakt niet aan hoe het model wordt opgelost.

Geen AI in de berekening

Elk resultaat komt uit de MILP-optimalisatie-engine en is herleidbaar tot de beperkingen en kostenparameters die het hebben voortgebracht. Dezelfde invoer levert altijd dezelfde uitvoer.

Standaard uit

Sympheny levert geen ingebouwde assistent en koppelt niets namens u. U beslist of u er een koppelt, en welke aanbieder u gebruikt.

Uw aanbieder, uw overeenkomst

De scenariodata die een assistent verstuurt en ontvangt, gaat via de aanbieder die u hebt gekozen, onder uw overeenkomst met hen, niet die van ons.

Er wordt niets op uw data getraind

Er worden geen energieprofielen, gebouwgegevens of projectinvoer van klanten gebruikt om enig model te trainen, van ons of van derden.

Lees de volledige pagina over AI- en datatransparantie →
Waar teams het gebruiken

De delen van het werk die het automatiseren waard zijn.

Scenariovarianten op volume

Zet tien varianten van dezelfde studie op uit één specificatie, in plaats van elke variant met de hand te bouwen en te hopen dat de aannames gelijk zijn gebleven.

Gevoeligheidsanalyses

Draai een scenario opnieuw over een reeks tarieven, technologiekosten of vraagaannames, en verzamel de resultaten op één plek.

Opzet vanuit een bestaande specificatie

Zet een klantbriefing, een spreadsheet met locatiegegevens of een bestaande modelbeschrijving om in een Sympheny-project zonder het opnieuw te typen.

Herhaalbare pijplijnen

Stuur Sympheny aan vanuit een notebook of een interne tool, zodat een studie die uw team elke maand draait, elke maand op dezelfde manier draait.

Vragen

Werken met AI-assistenten en agents.

Kan ik Sympheny gebruiken met een AI-assistent of agent?

Ja. Sympheny publiceert een gedocumenteerde REST API en Python SDK, zodat een assistent scenario's kan aanmaken, optimalisatieruns kan starten en resultaten kan teruglezen. Een MCP-server komt in de komende weken beschikbaar. Er is standaard niets gekoppeld — u beslist of u het gebruikt.

Kan ik een light app aanpassen met een AI-assistent?

Ja. De Light App Editor neemt een instructie in gewone taal en past de app aan — in de clip hierboven komt er een wizardstap bij die elk project in het account opsomt, in twee seconden uitgerold. Wat u ziet is een aanpassing aan een app die al bestaat; er een vanaf nul bouwen is een langere klus. Hoe dan ook verandert de optimalisatie erachter niet: dezelfde deterministische MILP-engine lost het model op.

Als ik een assistent koppel, waar gaat mijn data dan naartoe?

Naar de aanbieder die u koppelt. De scenariodata die een assistent verstuurt en ontvangt, gaat via die aanbieder, onder uw overeenkomst met hen, niet die van ons. Sympheny kiest de aanbieder niet voor u.

Verandert het koppelen van een assistent mijn resultaten?

Nee. Een assistent kan een scenario bouwen of aanpassen, maar de optimalisatie draait altijd op dezelfde deterministische MILP-engine. Een scenario dat door een assistent is samengesteld en hetzelfde scenario met de hand samengesteld leveren dezelfde resultaten.

Let op: Een assistent kan het model opzetten. Hij lost het nooit op.

Moet ik ontwikkelaar zijn om dit te gebruiken?

Voor de API en de SDK wel — of u hebt iemand in het team die dat is. De assistent het script laten schrijven verlaagt de drempel aanzienlijk, maar iemand moet het nog steeds draaien. De MCP-server neemt die stap weg zodra hij live gaat. Alle anderen werken in de webapp, waar dezelfde optimalisatie draait.

Is minder dan tien minuten realistisch?

Voor de opzet die hier te zien is wel: drie varianten met vraag uit de database, met de API beschikbaar voor de assistent en iemand die weet wat hij wil modelleren. Een eerste poging duurt langer, en de optimalisatierun komt daar nog bij. Het is een uitspraak over scenario-opzet, niet over een afgerond energieconcept.

Wanneer gaat de MCP-server live?

In de komende weken. De client-installatie is al gedocumenteerd, en het endpoint gaat antwoorden zodra de server live gaat. Alles wat de walkthrough hierboven laat zien, werkt vandaag al zonder MCP. Wilt u weten wanneer het zover is, noem het dan tijdens een demogesprek.

Wilt u het uitproberen op een eigen project?

Start een gratis proefperiode en stuur het aan via de API, of boek een AI quick start van 30 minuten, gratis en vrijblijvend, en we lopen de opzet met u door op een project dat op het uwe lijkt.

Book a demo