AI in de maakindustrie: niet ter vervanging van mensen, maar van verspilde uren

In onze vorige blog over de maakindustrie ging het over risico’s beheersen: legacy applicaties afschermen, het fundament vernieuwen en aantoonbaar in control zijn. Belangrijk, maar dat is vooral de defensieve kant van het verhaal. Er is ook een andere kant, een die voor de meeste ondernemers in de maakindustrie eigenlijk nog veel interessanter is. Dezelfde systemen die vandaag risico’s veroorzaken, zijn vaak ook de bron van veel handmatig werk. Orders worden overgetypt, documenten worden gezocht, informatie zit verspreid over mappen en mailboxen, en kennis verdwijnt zodra ervaren medewerkers vertrekken.

Juist daar biedt AI kansen, niet door bestaande systemen direct te vervangen, maar door slimmer gebruik te maken van de data en processen die er al zijn.

Wat voegt AI concreet toe in een maakbedrijf?

Als je de hype even loslaat, dan zien we bij productiebedrijven van ongeveer 40 tot 80 medewerkers meestal dezelfde kansen terugkomen. Niet op de productievloer zelf, maar in de processen eromheen.

Orders en documenten die zichzelf verwerken

Inkomende orders komen binnen als PDF, e-mail, Excel-bestand of via een klantportaal. Iedere klant heeft zijn eigen manier van aanleveren. Vervolgens moet iemand die gegevens verwerken in het ERP-systeem. Dat kost tijd en het is foutgevoelig.

AI kan documenten uitlezen, gegevens herkennen en deze automatisch klaarzetten voor controle. De medewerker hoeft alleen nog te controleren en akkoord te geven. Voor veel maakbedrijven is dit één van de eerste processen waar rendement te behalen valt, simpelweg omdat de tijdsbesparing direct meetbaar is.

Twintig jaar bedrijfskennis eindelijk terugvindbaar

Vrijwel ieder maakbedrijf beschikt over een enorme hoeveelheid kennis. Tekeningen, werkinstructies, keuringsrapporten, storingsregistraties, calculaties en projectdocumentatie. Vaak staat alles ergens opgeslagen, maar vindt niemand het meer terug wanneer het nodig is. Met AI wordt die kennis weer bruikbaar.

Medewerkers kunnen vragen stellen in gewone taal:

• Hoe hebben we dit product eerder geproduceerd?
• Welke storing hadden we de vorige keer op deze machine?
• Welke afspraken hebben we met deze klant gemaakt?
• Wat kwam er uit de nacalculatie van vergelijkbare opdrachten?

Dat is vooral waardevol op het moment dat ervaren medewerkers richting pensioen gaan of wanneer kennis nu vooral in hoofden zit en niet in systemen.

Sneller en beter calculeren

Vrijwel iedere offerte lijkt op iets wat eerder is gemaakt, toch begint een calculator vaak opnieuw.

AI kan vergelijkbare orders, nacalculaties, materiaalkosten en eerdere offertes terugvinden en naast een nieuwe aanvraag leggen. De calculator blijft verantwoordelijk voor de uiteindelijke beslissing, maar neemt die beslissing op basis van veel meer historische informatie.

Dat levert vaak zowel tijdswinst als nauwkeurigere calculaties op.

Werkinstructies die iedereen begrijpt

Veel productiebedrijven werken met internationale teams. Werkinstructies, veiligheidsinformatie en wijzigingsmeldingen worden daardoor niet altijd even goed begrepen.

AI kan informatie betrouwbaar vertalen, samenvatten en zelfs omzetten naar meer visuele instructies. Wat eerder bleef liggen omdat het veel tijd kostte, kan nu binnen enkele minuten beschikbaar zijn voor de mensen die ermee moeten werken.

AI koppelen aan een traditioneel ERP systeem: hoe werkt dat?

Dit is vaak de eerste vraag die we krijgen wanneer we beginnen over AI in de maakindustrie. Ons ERP pakket is al 20 jaar oud, draait op een lokale server en ondersteunt helemaal geen AI. Hoe kunnen we dan toch AI binnen onze organisatie gaan gebruiken?

Het goede nieuws is dat je helemaal geen nieuwe software pakket nodig hebt om AI te gebruiken binnen jouw bedrijf. In de praktijk zien we drie veelgebruikte methode.

1. Haal de data eruit in plaats van AI in het ERP-systeem te bouwen

Veel bestaande ERP-systemen beschikken over een database die gecontroleerd uitgelezen kan worden. Door een beveiligde kopie van die gegevens beschikbaar te maken, kan AI analyses uitvoeren, documenten doorzoeken, kennis ontsluiten en rapportages maken zonder het productiesysteem te beïnvloeden.

Voor managementinformatie, kennisbeheer en procesanalyse is dit vaak al voldoende.

2. Automatiseer rondom het proces

Wanneer we processen analyseren, blijkt het meeste handwerk meestal niet in het ERP-systeem zelf te zitten maar juist daarbuiten. Denk aan mailboxen die uitgelezen worden, PDF documenten die in een map worden opgeslagen en daarna doorgestuurd, orders en vrachtinformatie die in Excel bestanden worden bijgehouden en portalen van klanten en leveranciers die we doorlopend controleren.

Door juist die stappen te automatiseren, ontstaat vaak de grootste winst zonder dat het ERP aangepast hoeft te worden.

3. Gebruik bestaande importfuncties of koppelingen

Moeten gegevens uiteindelijk terug naar het ERP-systeem, dan maken we bij voorkeur gebruik van bestaande importmogelijkheden of beschikbare koppelingen.

Die zijn vaker aanwezig dan veel organisaties denken. Bestaat zo’n mogelijkheid niet, dan kan geautomatiseerde invoer soms een alternatief zijn. Het systeem wordt daarbij bediend zoals een medewerker dat zou doen.

Misschien niet de meest elegante oplossing, maar vaak wel effectief en relatief eenvoudig terug te draaien.

Laat AI ondersteunen, niet zelfstandig beslissen

AI kan tegenwoordig rechtstreeks via een API gekoppeld worden aan bedrijfssoftware. Technisch is dat vaak geen probleem.

Toch adviseren wij om hier voorzichtig mee om te gaan. Generatieve AI heeft namelijk ook beperkingen. Een bekende beperking is hallucinerend gedrag. Dat betekent dat een AI-model soms met grote overtuiging een antwoord, conclusie of voorstel geeft dat niet volledig klopt of onvoldoende onderbouwd is. Vooral wanneer de beschikbare informatie onvolledig is of wanneer uitzonderingssituaties optreden, kan dat tot ongewenste resultaten leiden.

Daarom adviseren wij om AI niet rechtstreeks beslissingen te laten nemen binnen kritische bedrijfsprocessen. Wij werken bij voorkeur met een middlewareplatform, zoals Microsoft Power Automate. Zo’n tussenlaag maakt het mogelijk om controles, validaties, autorisaties en goedkeuringsstappen in te bouwen voordat gegevens worden verwerkt of teruggeschreven naar een bedrijfssysteem.

Daardoor blijft een medewerker altijd in control over het proces. AI kan informatie verzamelen, documenten analyseren, afwijkingen signaleren en voorstellen doen. De uiteindelijke beslissing blijft bij de mens.

Welke techniek je ook kiest, één uitgangspunt blijft volgens ons essentieel: AI mag nooit meer informatie kunnen zien dan de medewerker die de vraag stelt.

Rechten, identiteiten en logging zijn daarom geen bijzaak maar de basis van iedere AI-oplossing. Zonder die controle kan AI juist nieuwe risico’s introduceren in plaats van processen veiliger en efficiënter te maken.

Route 1: legacy isoleren in plaats van uitfaseren Zet oude applicaties en machinebesturingen in een afgeschermd deel van het netwerk, met strak geregelde toegang. De software blijft doen wat hij doet, maar het risico is ingekapseld. Dit is vaak de snelste winst en de goedkoopste stap.

Route 2: het fundament vernieuwen, niet de applicatie Verplaats de oude server naar een moderne, beheerde omgeving. Regel identiteit en toegang goed: iedereen één account, meervoudige verificatie, rechten die passen bij de functie. Zorg dat back-ups niet alleen bestaan maar ook getest zijn op terugzetten. Dit raakt de applicatie niet, maar haalt het grootste deel van het risico weg.

Route 3: eromheen bouwen De meeste waarde zit niet in het pakket zelf, maar in wat je eromheen automatiseert. Orderbevestigingen die niet meer handmatig worden overgetypt. Uren die automatisch doorlopen. Rapportages die zichzelf maken. Oude systemen kunnen vaak veel meer meepraten dan gedacht.

Hoe helpt AI fouten in het productieproces voorkomen?

Wanneer je productieleiders vraagt waar de grootste fouten ontstaan, wijzen ze zelden naar de machine. Meestal zitten de fouten in de overdracht van informatie.

Een verkeerde orderinvoer. Een oude revisie van een tekening. Een wijziging die niet bij de juiste afdeling terechtkomt. Een afwijking die wel is opgemerkt, maar niet is geregistreerd. Juist daar kan AI veel waarde toevoegen.

Controle op afwijkingen

AI kan nieuwe orders vergelijken met historische gegevens. Een afwijkend aantal, een ongebruikelijke maatvoering of een afwijkende prijs valt daardoor sneller op.

Niet als vervanging van de medewerker, maar als extra controlelaag.

Werken met de juiste revisie

Een foutieve tekeningrevisie kan grote gevolgen hebben. Door automatisch te controleren welke versie actueel is, wordt het risico aanzienlijk kleiner dat met verkeerde informatie wordt gewerkt.

Patronen herkennen in klachten en afwijkingen

Een losse klacht lijkt vaak een incident, twintig vergelijkbare meldingen vormen een patroon.

AI kan verbanden herkennen tussen leveranciers, machines, materialen, productgroepen of productieprocessen. Daardoor worden structurele oorzaken sneller zichtbaar.

Betere overdracht tussen afdelingen en ploegen

Veel informatie gaat verloren tijdens overdrachten. AI kan automatisch samenvattingen maken van productiegegevens, storingen, bijzonderheden en openstaande acties. De volgende ploeg hoeft die informatie vervolgens alleen nog aan te vullen of te controleren.

Het principe achter al deze toepassingen is hetzelfde: AI signaleert. De medewerker beslist.

Voor een maakbedrijf draait het uiteindelijk niet om AI. Het draait om minder faalkosten, minder zoekwerk, betere leverbetrouwbaarheid en het behouden van kennis binnen de organisatie. Dat zijn de resultaten waar organisaties daadwerkelijk op sturen.

Hoe pakken wij dit aan?

Vanuit onze interne AI implementaties hebben we met vallen en opstaan veel kennis opgedaan van AI implementaties in een draaiende organisatie. De juiste AI implementatie begint niet met een tool maar met een proces. Samen kijken we waar medewerkers het meeste tijd verliezen aan handmatig werk, zoeken naar informatie of dubbele handelingen. Het liefst doen we dat simpelweg door gewoon een dag bij jullie mee te lopen, fysiek op locatie. Vervolgens bepalen we welke processen de meeste winst opleveren en welke data daarvoor nodig is.

Daarnaast maken we direct duidelijke afspraken over het gebruik van bedrijfsinformatie, zodat er niet ongemerkt allerlei losse AI-oplossingen ontstaan die buiten het zicht van de organisatie opereren. Daarna pakken we één proces aan. Niet een groot meerjarenproject, maar een concrete verbetering die binnen korte tijd meetbaar resultaat oplevert.

Pas daarna kijken we naar een verdere uitbreiding. Dat we hierin snel kunnen schakelen komt doordat we eigen automatiseringsspecialisten in dienst hebben. Geen adviesrapport dat eindigt bij een externe partij, maar specialisten die de oplossing ontwerpen, bouwen, beheren en ervoor verantwoordelijk blijven.

Wat is de eerste stap?

Denk eens aan één proces waarbij medewerkers dagelijks gegevens overtypen, documenten zoeken of informatie uit meerdere systemen moeten halen.

In de meeste gevallen is dat de plek waar de eerste winst te behalen valt.

Wij voeren voor maakbedrijven in de regio Rotterdam en Krimpenerwaard een korte procesinventarisatie uit. Daarbij brengen we in kaart waar automatisering en AI het meest opleveren, welke processen het beste startpunt vormen en wat de verwachte impact is.

Plan een kennismaking en we laten zien waar in jouw organisatie de grootste kansen liggen, welke processen zich als eerste lenen voor automatisering en wat vergelijkbare maakbedrijven daar inmiddels mee hebben bereikt.