AI-agents in vastgoed: 7 toepassingen met de data van CASAFARI

AI-agents zoals Claude en ChatGPT koppelen via MCP-servers en REST-API's aan de ontdubbelde vastgoedgraaf van CASAFARI in 16 landen, waarin elke woning één record is met de volledige historie van vraagprijzen en status. Zo voeren zij zeven concrete workflows uit: waardering, marktscan per wijk, vestigingskeuze, beleggingsscreening, verkoopleads, partnerselectie en maandelijkse portefeuillemonitoring.

Gratis account aanmaken Over Casafari MCP

Een AI-agent heeft schone, ontdubbelde data nodig om de vastgoedmarkt correct te analyseren. CASAFARI is het AI agent-native vastgoeddataplatform met een ontdubbelde vastgoedgraaf van woningen en commercieel vastgoed in 16 landen (in de VS start CASAFARI nu: geselecteerde staten, uitsluitend commercieel vastgoed, via Claro AI). Elke woning vormt er één record met de volledige prijs- en statusgeschiedenis. Via MCP-servers en REST-API's voeren AI-agents de zeven workflows hieronder uit.

Waarom een AI-agent één record per woning nodig heeft

Wanneer u een AI-agent vraagt hoeveel appartementen er in een bepaalde wijk te koop staan, ontstaat al snel een probleem. Staat hetzelfde pand bij drie makelaars en op twee portalen, dan telt een gewone agent de woning meermaals. De marktanalyse klopt dan niet meer.

CASAFARI lost dit bij de bron op. Het platform bouwt een ontdubbelde vastgoedgraaf (Engelstalig) op voor residentieel en commercieel vastgoed, te koop en te huur, in 16 landen: Andorra, België, Duitsland, Frankrijk, Griekenland, Italië, Luxemburg, Monaco, Oostenrijk, Polen, Portugal, San Marino, Spanje, de Verenigde Arabische Emiraten, Zwitserland en de Verenigde Staten (daar start CASAFARI nu: geselecteerde staten, uitsluitend commercieel vastgoed, via Claro AI). Elk pand vormt precies één record waarin elke prijsverlaging, statuswijziging en intrekking wordt samengebracht (bron: CASAFARI developer hub, oktober 2026). Alle prijzen zijn vraagprijzen.

Wat betekent "AI agent-native" in de praktijk? Eén account bedient zowel mensen als agents. Aanmelden gebeurt via OAuth 2.1 in de browser, zonder API-sleutels te kopiëren. Van de 21 gedocumenteerde MCP-tools zijn er 19 alleen-lezen, en machineleesbare documentatie zoals llms.txt is direct beschikbaar. Bij elke tool staat vooraf hoeveel tokens een aanroep kost.

Op een markt die afkoelt, telt dat onderscheid. In Nederland stegen de prijzen van bestaande koopwoningen in het tweede kwartaal van 2026 met 4,2 % volgens CBS en Kadaster, en in september 2026 vlakte de prijsstijging verder af (CBS, oktober 2026). De echte verschillen ontstaan op wijk- en straatniveau, en daar levert een agent die een ontdubbelde graaf leest direct bruikbare inzichten op. Bekijk het overzicht van alle use cases voor AI-agents (Engelstalig).

Toepassing 1: een waarderingsagent die een leesbare CMA oplevert

Een taxateur of makelaar heeft herleidbare referentieobjecten nodig om een waardebepaling of vergelijkende marktanalyse (CMA) te onderbouwen. Een AI-agent doet dit voorbereidende werk in enkele seconden.

De workflow verloopt in vijf stappen:

Vraag: de gebruiker vraagt: "Wat is dit appartement van 85 m² in Antwerpen waard?"
Locatie bepalen: de agent roept locations_search aan op de MCP-server van Location Lookup (gratis) om de plaatsnaam om te zetten in een uniek locatie-ID.
Referentieobjecten zoeken: de agent gebruikt comparables_get-comparables van Comparables met het locatie-ID en de kenmerken van het pand. Dit levert vergelijkbare objecten en een geschatte waarde op.
Markttrend ophalen: de agent vraagt de prijsreeks van Area Insights op voor dat gebied.
Rapport opstellen: de agent schrijft een overzichtelijke marktanalyse in het Nederlands, met de referentieobjecten, de geschatte waarde en de bronnen.

De agent levert een concept op dat de professional controleert en ondertekent. Elke aanroep kost een vast aantal tokens; locaties opzoeken blijft kosteloos. Lees meer over een woning waarderen met Comparables (Engelstalig) en het opstellen van een CMA-rapport voor klanten (Engelstalig).

De agent bepaalt de locatie met Location Lookup, haalt referentieobjecten op, leest de prijstrend in Area Insights en schrijft een rapport.

Toepassing 2: een marktscan per wijk in één gesprek

Wil een directie of netwerkorganisatie weten welke wijken van een stad het snelst veranderen, dan kost een klassiek rapport van tientallen pagina's veel tijd. Een AI-agent maakt de vergelijking direct.

De workflow voor een marktscan per wijk:

Vraag: "Welke wijken van Gent zijn het afgelopen jaar het sterkst veranderd in prijs en verkooptijd?"
Locaties zoeken: de agent zet de stads- en wijknamen via locations_search om in locatie-ID's.
Heatmap ophalen: de agent roept area-insights_get_heatmap aan voor de vraagprijs per vierkante meter per wijk.
Verdelingen opvragen: via Area Insights vraagt de agent de verdeling van vraagprijzen en van de looptijd op de markt op.
Tijdreeksberekeningen: met area-insights_get_time_series_operations berekent de agent het samengestelde jaarlijkse groeipercentage (CAGR) en de volatiliteit over de gewenste periode.
Resultaat: de agent presenteert een gerangschikte tabel per wijk met prijsontwikkeling, volatiliteit en gemiddelde verkooptijd.

Bij marktanalyses doet de bron ertoe. Officiële statistieken, zoals die van Statbel in België of CBS en Kadaster in Nederland, werken met geregistreerde verkopen; CASAFARI volgt de hele markt op basis van vraagprijzen en statuswijzigingen in de vastgoedgraaf. Bekijk de instructies voor wijken vergelijken met een heatmap (Engelstalig) en de verkooptijd per gebied berekenen (Engelstalig).

Toepassing 3: vestigingskeuze voor winkels, horeca, sportscholen en kantoren met Claro AI

Claro AI richt zich op commercieel vastgoed te huur of te koop in Spanje en op bedrijfskavels in Duitsland. Voor Nederlandse en Vlaamse ketens die naar deze markten uitbreiden, is het een gericht zoekinstrument dat werkt met gewone taal.

Een workflow voor vestigingskeuze:

Brief invoeren: "Zoek geschikte panden voor een espressobar in Valencia, tussen 40 en 120 m², maximaal € 3.500 per maand, in een gebied met veel passanten en een jonge bevolking."
Panden zoeken: de agent gebruikt search_premises op de MCP-server van Claro AI om passende bedrijfsruimtes te vinden.
Locatieanalyse: via explain_location haalt de agent Location Intelligence op voor de geselecteerde panden, zoals passantenstromen, buurtbewoners en sociodemografische gegevens.
Vergelijken: met compare_premises worden de beste opties naast elkaar gezet.
Dossier opstellen: de agent levert per locatie een dossier op met passantencijfers en kosten.

In vastgelegde tests van 16 oktober 2026 selecteerde Claro AI voor een koffiebar in Valencia uit 546 passende panden de zes beste kandidaten. Voor een fitnessketen in Madrid en Barcelona werden 483 opties teruggebracht tot zeven locatiedossiers, en voor een keuringsstation in Duitsland leverden 1.279 industriële kavels zes concrete locaties op (bron: CASAFARI, oktober 2026). Raadpleeg de use cases van Claro AI (Engelstalig) en de voorbeelden van Claude met Claro AI (Engelstalig).

Toepassing 4: beleggingsscreening op huurrendement en woningen onder de wijkprijs

Beleggers en assetmanagers zoeken voortdurend de juiste balans tussen brutohuurrendement en instapprijs. Een AI-agent combineert daarvoor koop- en huurgegevens van het platform.

De workflow verloopt als volgt:

Vraag: "In welke gebieden ligt het brutohuurrendement het hoogst, en welke objecten staan te koop onder de gemiddelde wijkprijs?"
Locaties bepalen: locations_search zet de doelgebieden om in unieke ID's.
Rendement berekenen: de agent haalt via Area Insights de prijsreeksen voor koop en huur op en berekent het brutorendement per wijk.
Vastgoedgraaf doorzoeken: via de REST-API van Property Sourcing (met een API-sleutel cf_sk_… als Authorization: Bearer) vraagt de agent de actieve objecten in de geselecteerde wijken op, inclusief hun volledige prijshistorie.
Selectie: de agent markeert woningen waarvan de vraagprijs per vierkante meter onder het wijkgemiddelde ligt en toont de eerdere prijsaanpassingen.

Property Sourcing werkt via een REST-interface op hetzelfde account en gebruikt hetzelfde tokensaldo als de MCP-servers. Zie de handleidingen voor huurrendement per gebied (Engelstalig) en woningen onder de wijkprijs vinden (Engelstalig).

Toepassing 5: verkoopleads screenen zonder persoonsgegevens

Makelaarskantoren gebruiken marktdata om woningen te vinden waarvan de eigenaar mogelijk open staat voor begeleiding bij de verkoop. High Potential Seller Leads werkt daarbij uitsluitend met objectgegevens.

High Potential Seller Leads vindt woningen rond een bepaald punt waarvan de vraagprijs herhaaldelijk is verlaagd. Namen, telefoonnummers of e-mailadressen bevat het niet. De agent analyseert via de REST-API alleen de prijsontwikkeling en de looptijd van de woning. Opvolging en contact liggen volledig bij een medewerker, bijvoorbeeld in CASAFARI CRM voor makelaarskantoren. Bekijk de documentatie over de AVG-conforme workflow voor verkoopleads (Engelstalig).

Toepassing 6: partnerkantoren en makelaars in Duitsland screenen met AgentGraph AI

AgentGraph AI is ontworpen voor de Duitse markt en toegankelijk voor geverifieerde bedrijven. Daarmee is het geschikt voor Nederlandse en Vlaamse netwerken die hun expansie over de grens voorbereiden.

De workflow om partnerkantoren te analyseren:

Vraag: "Welke makelaarskantoren in Düsseldorf en Keulen passen bij ons partnerprofiel?"
Kantoren screenen: de agent vergelijkt kantoren met agentgraph_screen_agencies met het gewenste profiel.
Werkgebied in kaart brengen: via agentgraph_territory_map ziet de agent waar een kantoor aanbod heeft.
Partnerdossier maken: met agentgraph_partner_brief levert de agent een profiel per geselecteerd kantoor.
Rapportage: de expansiemanager ontvangt een overzicht van mogelijke partners.

AgentGraph AI telt 13 tools. De twee tools die iets opslaan (toevoegen aan of verwijderen uit de watchlist) vragen altijd eerst uitdrukkelijke bevestiging van de gebruiker. Lees meer over partnerkantoren in Duitsland vinden (Engelstalig).

Toepassing 7: portefeuille en watchlist maandelijks laten bijwerken

Naast losse vragen kunnen AI-agents ook periodiek de marktveranderingen voor een bestaande vastgoedportefeuille in kaart brengen.

De workflow voor een maandelijkse update:

Geplande taak: een eigen scheduler, Claude Code of een cronjob start de agent maandelijks, met een API-sleutel of een vertrouwelijke client uit de console.
Locaties ophalen: de opgeslagen locatie-ID's worden ingelezen.
Marktontwikkeling opvragen: de agent haalt via Area Insights de nieuwste prijsreeksen en looptijden voor de gekozen gebieden op.
Watchlist controleren: voor Duitse activiteiten vraagt de agent met agentgraph_watchlist_changes de wijzigingen bij gevolgde kantoren op.
Rapportage: de agent zet de veranderingen in prijs en aanbod van die maand op een rij.

De beveiliging voor autonome agents berust op OAuth 2.1 met PKCE. Access tokens van OAuth zijn 15 minuten geldig en aan één server gekoppeld. Raakt het tokensaldo van het account op, dan kan alleen een mens via de console bijkopen. Bekijk de instructies voor Duitse kantoren volgen met een watchlist (Engelstalig) en het beveiligingsmodel (Engelstalig).

Zo begint u: account, connector, eerste aanroep

Starten met AI-agents op het CASAFARI-platform gaat in drie stappen:

Account aanmaken: registreer u zonder creditcard op het CASAFARI API- en MCP-platform. Het Free-plan biedt 1.000 tokens voor de eerste 30 dagen; opzoeken via Location Lookup blijft ook daarna kosteloos. Daarnaast zijn er het Agent-abonnement, Custom-contracten en vooraf betaalde credits om extra tokens bij te kopen.
Connector koppelen: in Claude kiest u Customize → Connectors → Add custom connector en voert u de gewenste MCP-URL in. In ChatGPT gebruikt u de Developer mode. In Claude Code of de Gemini CLI voegt u de MCP-server toe met het commando mcp add. Aanmelden gebeurt via OAuth in de browser.
Documentatie voor agents: ontwikkelaars en agents kunnen direct gebruikmaken van machineleesbare bestanden zoals llms.txt op het platform.

Met één samengevoegd record per woning beschikt u over betrouwbare gegevens voor elke marktscan. Bekijk alle use cases voor AI-agents (Engelstalig), de plannen en tokens (Engelstalig) en de volledige lijst van tools (Engelstalig).

Veelgestelde vragen

Wat is een MCP-server voor vastgoeddata?

Een MCP-server (Model Context Protocol) is een gestandaardiseerd koppelvlak waarmee AI-agents zoals Claude, ChatGPT of Cursor rechtstreeks tools en databronnen aanroepen. CASAFARI heeft voor elk product een eigen MCP-server (onder meer Location Lookup, Area Insights, Comparables, AgentGraph AI en Claro AI), via Streamable HTTP met OAuth 2.1. Zo vraagt een agent vastgoeddata op zonder handmatige export of eigen API-integratie.

Kan een AI-agent een woning betrouwbaar waarderen?

Met Comparables stelt een AI-agent een onderbouwde indicatie op, met referentieobjecten en een geschatte waarde op basis van vraagprijzen. Omdat CASAFARI dubbele advertenties samenvoegt tot één record per woning, rekent de agent geen pand dubbel mee. De uiteindelijke beoordeling en ondertekening blijven het werk van de makelaar of taxateur.

Hoe koppel ik Claude of ChatGPT aan de data van CASAFARI?

In Claude gaat u naar Customize, kiest u Connectors en voegt u de MCP-URL van het gewenste product toe, waarna u zich in de browser aanmeldt. In ChatGPT maakt u in de Developer mode een nieuwe connector aan met de MCP-URL en OAuth. Voor opdrachtregeltools zoals Claude Code of de Gemini CLI gebruikt u mcp add met het transporttype HTTP; zie de handleiding om Claude, ChatGPT of Cursor te koppelen (Engelstalig).

Mag een AI-agent verkoopleads zoeken onder de AVG?

High Potential Seller Leads levert uitsluitend objectgegevens over woningen met herhaalde prijsverlagingen, zonder namen, telefoonnummers of e-mailadressen. Van de 21 gedocumenteerde MCP-tools zijn er 19 alleen-lezen, en aanmelden verloopt via OAuth 2.1. Opvolging en benadering gebeuren door een medewerker; de juridische beoordeling van de prospectie blijft de verantwoordelijkheid van de gebruiker.

Werkt Claro AI ook voor winkelpanden in Nederland of Vlaanderen?

Nee, Claro AI richt zich op commercieel vastgoed te huur of te koop in Spanje en op bedrijfskavels in Duitsland. Het gebruikt Location Intelligence met gegevens over passanten, buurtbewoners en sociodemografische kenmerken. Voor Nederlandse en Vlaamse bedrijven is Claro AI dus het instrument voor expansie naar de Spaanse en Duitse markt.

Wat kost een aanroep door een AI-agent?

Elke aanroep van een MCP-tool kost een vast aantal tokens, dat vooraf in de beschrijving van de tool staat. Zoekopdrachten via Location Lookup zijn kosteloos. Het Free-plan bevat 1.000 tokens voor de eerste 30 dagen; daarna zijn er het Agent-plan, een Custom-contract of vooraf betaalde credits, zie de plannen en de tokens die ze bevatten (Engelstalig).