Waarom het ERP de maakindustrie niet redt op inkoop
De meeste maakbedrijven hebben hun inkoopproces op papier al geautomatiseerd. Er is een ERP met MRP-module, er zijn inkooporders, er zijn leveranciersgegevens. Maar in de praktijk draaien planners en inkopers nog steeds spreadsheets naast het systeem. Ze exporteren een MRP-run, controleren handmatig wat er ontbreekt, passen hoeveelheden aan op basis van kennis die nergens in het systeem staat, en mailen de bevestiging na omdat het systeem de afwijking niet oppikt. Dat is geen fout van de gebruiker. Het is een structureel gat in wat standaard ERP-workflows aankunnen zodra de productiepraktijk net iets afwijkt van het boekje.
Breukpunt 1: productiebehoefte omzetten naar inkooporders
MRP berekent de behoefte op basis van de stuklijst, de voorraad en de geplande productieorders. Tot zover loopt het. Het probleem zit in de vertaling naar een concrete inkooporder. Levertijden variëren per leverancier en per moment, minimale afnamehoeveelheden wijken af van wat de MRP uitrekent, en soms wil de inkoper twee leveranciers spreiden voor zekerheid. Standaard MRP kent één aanvulstrategie per artikel. De uitzonderingen, en in de maakindustrie zijn er altijd uitzonderingen, gaan naar de inbox van de inkoper. Die beslist, typt over, en de kans op fouten is meteen ingebakken. Een AI Worker die de MRP-output leest, de leveranciershistorie raadpleegt en een conceptorder klaarzet voor één klik, haalt het handwerk weg zonder de inkoper de controle te ontnemen.
Breukpunt 2: leveranciersbevestigingen matchen aan inkooporders
De leverancier bevestigt de order, maar met een andere leverweek, een andere hoeveelheid, of gesplitst in twee deelleveringen. In theorie registreert de inkoper de afwijking in het ERP zodat de planner het weet. In de praktijk loopt dat anders. De bevestiging komt per mail of pdf, de inkoper verwerkt het handmatig als er tijd voor is, en de planner werkt ondertussen met de originele datum. Dat kost geen minuten maar uren per week, vermenigvuldigd over alle openstaande orders. Drie-weg matching, waarbij inkooporder, bevestiging en goederenontvangst automatisch worden vergeleken en afwijkingen direct worden gesignaleerd, is het type automatisering dat hier het verschil maakt. Niet als vervanger van de inkoper, maar als filter die alleen de echte uitzonderingen op het bureau legt.
Breukpunt 3: wijzigingen doorzetten naar de productieplanning
Als de leverancier twee weken later levert dan verwacht, heeft dat consequenties voor de productieorder, de capaciteitsplanning en mogelijk de klantbelofte. In de meeste bedrijven weet de planner dat pas als de inkoper het doormailt, als de planner het zelf opvraagt, of als het materiaal simpelweg niet op de werkvloer verschijnt. De koppeling tussen inkoopstatus en productieplanning is het zwakste schakel in de keten. Een geautomatiseerde workflow die bij elke bevestigde afwijking een signaal geeft aan de planning, en bij een drempelwaarde een herplandingsvoorstel klaarzet, is technisch haalbaar. Maar standaard ERP doet dit niet automatisch: daarvoor is ofwel maatwerk op het bestaande systeem nodig, ofwel een AI Worker die de twee werelden met elkaar verbindt.
Wanneer kies je voor een AI Worker en wanneer voor een herbouw?
Als het ERP functioneel voldoet maar de drie breukpunten hierboven het meeste handwerk veroorzaken, is een AI Worker de logische eerste stap. Die leest e-mails en pdf-bevestigingen, vergelijkt ze met de open inkooporders in het ERP, en zet de afwijkingen klaar voor de inkoper om te accorderen. De koppeling naar de planningsmodule kan daarna in een tweede stap. Als het ERP zelf het knelpunt is, omdat het datamodel niet klopt, de stuklijsten onbetrouwbaar zijn, of de workflows structureel botsen met hoe de fabriek werkt, dan lost een AI Worker het probleem niet op. Dan is het fundament aan de beurt. Dat onderscheid is het eerste wat je moet uitzoeken voor je in tooling investeert.