WBSO voor software ontwikkeling en machine learning

Goed nieuws: vorige week hoorde ik dat de Rijksdienst voor Ondernemend Nederland een WBSO-beschikking afgeeft aan mijn bedrijf VAART software.

Dit geeft ons toegang tot de WBSO-subsidie, één van de belangrijkste innovatiesubsidies in Nederland, voor de ontwikkeling van nieuwe beeldherkenning technologie.

Ik ben natuurlijk zeer content met deze toekenning, want dit helpt ons om nog meer en intensiever in onze software innovaties te investeren!

“WBSO voor software ontwikkeling en machine learning is lastig”

Online is veel te lezen over hoe moeilijk het is om WBSO aan te vragen voor software ontwikkeling en machine learning projecten.

Maar het meeste daarvan is wel geschreven door subsidie bureaus die je helpen om -tegen een percentage van de opbrengst- de WBSO-subsidie aan te vragen in jouw naam.

Daarom hieronder wat van mijn bevindingen, voor wie ook overweegt om zelf WBSO voor een software ontwikkeling of machine learning project aan te vragen.

Mijn aanvraag had best wat voeten in de aarde, maar ik vond het ook leerzaam.

Gezien het technische karakter vraag ik me af hoeveel tijd een subsidiebureau je kan besparen. Het technische deel zul je toch zelf moeten invullen, is mijn indruk. En dat deel vormt zo’n beetje de hele aanvraag.

WBSO voor software ontwikkeling

De WBSO richt zich specifiek op het “oplossen van technische knelpunten”. Het gaat dus niet om de commerciële of functionele doelstelling van je project.

In de WBSO-aanvraag moet je in detail toelichten welk technisch knelpunt je oplost, hoe je dat denkt te gaan doen en waar de risico’s liggen.

Richt je de aanvraag op functionaliteit of features, dan word je afgewezen (weet ik uit ervaring).

Om met een software project in aanmerking te komen voor WBSO, moet je ook echt zelf technische programmatuur ontwikkelen (met een ‘formele programmeertaal’) om de technische knelpunten op te lossen.

Bouw je dus software door het configureren, parametriseren of integreren van bestaande services of componenten, dan komt het project waarschijnlijk niet in aanmerking.

WBSO voor machine learning

Veel ML werk, zoals het prepareren, trainen en testen van modellen, komt niet in aanmerking voor WBSO.

Innoveer je software rond een technisch pipeline machine learning proces, zoals wij doen, dan komt je project mogelijk wel in aanmerking.

Je moet dan wel op technisch niveau kunnen laten zien dat je zelf nieuwe programmatuur schrijft en daarmee knelpunten oplost.

Hoe WBSO aanvragen

Een WBSO-aanvraag voor software ontwikkeling en machine learning kun je prima zelf verzorgen, mits je:

  • zelf nieuwe programmatuur (in een formele taal) ontwikkelt;
  • daarmee technische (en niet functionele of business) knelpunten oplost;
  • je een idee hebt voor de technische oplossingsrichting;
  • je potentiële risico’s ziet, verbonden aan deze oplossing;
  • dit alles goed schriftelijk en zo nodig mondeling kunt verwoorden.

Eén ding steekt er voor mij echt bovenuit en dat is dat je een super concrete en technische beschrijving moet geven. Dat dacht ik al gedaan te hebben, maar na een vragenbrief moesten we er tóch nog dieper op ingaan.

Mijn WBSO bevindingen

Mijn eerste aanvraag, afgelopen zomer, werd afgewezen. Ik had dit project veel te functioneel beschreven.

Een aanvraag voor een tweede project werd dit najaar wel goedgekeurd. Maar we ontvingen eerst een vragenbrief, met het verzoek (toch nog) dieper in te gaan op de techniek.

Uiteindelijk hebben we een antwoord ingediend met daarin:

  • een beschrijving van het technische knelpunt;
  • de concrete (python) classes waarmee we dit (nu) denken op te lossen;
  • de risico’s;
  • de ureninschatting.

De ureninschatting maakten wij per fase/onderdeel en per medewerker. De fasen die we in dit project opnamen zijn:

  • Technisch ontwerp
  • Ontwikkeling
  • Unit tests (technisch testen)
  • Validatietests (technisch testen)

Nadat we dit als antwoord instuurden volgde een technisch interview. De vraag “waar ligt de grens tussen jullie programmatuur en technologie van derden”, stond daarin centraal. Tijdens dit gesprek werd de aanvraag goedgekeurd.

Knelpunten, classes en risico’s

Ons antwoord bestond uit slechts 2 A4’tjes. We beschreven vier technische knelpunten en vier classes waarmee we elk punt willen oplossen. Per class beschreven we het grootste risico voor falen of niet bereiken van de oplossing.

Als ik nog eens een WBSO aanvragen indien voor software, dan kies ik direct de benadering vanuit classes. Pas langs deze weg vond ik de juiste technische invalshoek die voldeed aan de eisen van RVO. Het mooie is natuurlijk dat de classes deel uitmaken van het technisch ontwerp.

Administratie

Voor WBSO-projecten moet je een uitvoerige urenregistratie en projectadministratie bijhouden. Die administratie is een aardige opgave en belangrijk, want de RVO kan achteraf toetsen of de administratieplicht is nageleefd en of de werkzaamheden zijn verricht.