Wat is het probleem met productiedata in de industrie?
In de Nederlandse industrie draaien machines die data produceren. Elke shift, elke batch, elke stilstand laat een spoor achter. Maar dat spoor loopt dood in een PLC, een historian of een lokaal Excel-bestand op de laptop van de werkvoorbereider. Het ERP-systeem krijgt aan het einde van de dag een handmatige invoer. De planner werkt op aannames. De kwaliteitsmanager exporteert een rapport en plakt het in een presentatie. Ondertussen ligt de echte productiedata ergens anders. Volgens UWV-onderzoek (Industrie in beeld, februari 2026) ervaart ongeveer 80% van de industriële bedrijven meer economische onzekerheid, en tegelijk is personeelstekort een van de grootste uitdagingen. Dat maakt dit soort dubbel werk extra kostbaar: de mensen die data overtypen zijn dezelfde mensen die je nodig hebt voor het echte werk.
Waarom lost een standaard MES dit niet automatisch op?
Een standaard MES-pakket lost de data-ontkoppeling niet vanzelf op. De meeste pakketten zijn gebouwd voor een generieke fabriek, niet voor jouw specifieke combinatie van machines, grondstoffen, klantspecificaties en planningslogica. Implementaties duren lang, configuraties worden compromissen, en na twee jaar is het systeem al half verouderd ten opzichte van de manier waarop de operatie is gegroeid. Het echte probleem is dat het MES dan alsnog niet aansluit op het ERP, de kwaliteitsregistratie of de inkoopafdeling. Dus worden er weer koppelingen gebouwd, scripts gedraaid, en Excel-bestanden bijgehouden als vangnet. De ING verwacht dat de Nederlandse industrie in 2026 met circa 2% groeit, vooral gedragen door hoogwaardige maaksectoren. Dat zijn precies de bedrijven waar productiedata het meest complex is en het meest waardevolle inzicht kan geven. Juist daar betaalt een generiek pakket zich het minst terug.
Welke processen haken het vaakst?
In de praktijk zijn het steeds dezelfde plekken waar het vastloopt. Werkorderverwerking: de order komt uit het ERP, wordt uitgeprint, ingevuld op de werkvloer en daarna handmatig teruggetypt. Kwaliteitsregistratie: meetwaarden worden genoteerd op papier of in een lokale spreadsheet, pas later ingevoerd in het kwaliteitssysteem. Productierapportage: ploegwisselverslagen worden mondeling overgedragen of via een app die niet is gekoppeld aan het planningssysteem. Stuk voor stuk processen waarbij mensen als menselijke koppeling fungeren tussen systemen die dat eigenlijk zelf zouden moeten regelen. Dat kost tijd, introduceert fouten en maakt het onmogelijk om in realtime bij te sturen. Een productieleider die pas de volgende ochtend ziet dat gisteravond een batch buiten de toleranties viel, heeft niets aan die informatie voor de beslissing die hij gisteren had moeten nemen.
Wanneer is een AI-laag de oplossing en wanneer niet?
Een AI-laag bovenop bestaande systemen helpt als de kernprocessen al digitaal zijn vastgelegd, maar de informatie niet doorstroomt. AI Workers kunnen dan documenten uitlezen, werkorders doorzetten, afwijkingen signaleren en meldingen genereren zonder dat een mens elke stap aanraakt. Dat werkt goed voor bedrijven die hun ERP of MES niet willen vervangen maar wel het overtypen en het handmatige verbinden willen wegnemen. Het werkt niet als de basisdata structureel ontbreekt of als het kernsysteem zelf zo verouderd is dat er geen betrouwbare basis is om op te bouwen. In dat geval is herontwikkeling van het kernsysteem zelf de eerlijkere keuze. Een systeem dat AI-native is gebouwd, met productielogica als kern, geeft de operatie een fundament dat meegroeit. De keuze tussen die twee routes hangt af van de staat van de huidige systemen, de complexiteit van de operatie en de vraag of de huidige architectuur überhaupt schaalbaar is.
Wat levert het op als productiedata wel doorstroomt?
Als werkorders automatisch worden doorgezet, kwaliteitsdata in realtime beschikbaar is en de planner op actuele bezettingsdata werkt, verandert de operatie merkbaar. Niet omdat er een AI-wondermiddel is ingezet, maar omdat de informatie op het juiste moment op de juiste plek aankomt. Bijsturen kan al tijdens de shift, niet pas de volgende dag. Afwijkingen worden opgepikt voordat ze een partij onbruikbaar maken. De werkvoorbereider besteedt zijn tijd aan werkvoorbereiding in plaats van aan het synchroniseren van systemen. In een sector waar personeelskrapte een structureel gegeven is, is dat geen luxe. Dat is gewoon de efficiëntste manier om de mensen die je hebt zo goed mogelijk te benutten.