Generative AI, AI-agents, robotica en digital twins

Van chatbot naar AI-agent: richting autonome processen

De eerste kennismaking met generative AI verloopt voor de meeste bedrijven via een chatinterface: een taalmodel dat teksten schrijft, vragen beantwoordt of documenten samenvat. De ontwikkeling gaat inmiddels een stap verder, naar AI-agents: systemen die niet alleen antwoorden geven, maar zelfstandig taken uitvoeren. Een agent kan een orderbevestiging verwerken, gegevens in het ERP bijwerken, een afwijking signaleren en een collega inschakelen als menselijke beoordeling nodig is.

Multi-agentsystemen gaan nog verder: meerdere gespecialiseerde agents die samenwerken en complete processtappen aan elkaar schakelen, van orderintake tot werkvoorbereiding. De richting is duidelijk: administratieve en coördinerende processen worden steeds autonomer, waarbij de mens verschuift naar de rol van supervisor en uitzonderingsbehandelaar.

Ook in engineering- en configuratieprocessen wordt hiermee geëxperimenteerd. Damen werkt samen met IBM en implementatiepartner LAMA Empowerz aan een AI-geïnfuseerde configuratiebeheerassistent binnen het eigen onderhoudsplatform. De verwachting is dat het bedrijf daarmee meer scheepsconfiguraties kan maken in minder tijd en tegen lagere kosten.

Praktijkvoorbeeld: de Virtuele Service Monteur van FreezerData

Een van de meest concrete toepassingen van generative AI in de techniek is de AI-assistent die meedenkt op de werkplek. Bij het onderhoud van koel- en vriesinstallaties gebruiken monteurs de Virtuele Service Monteur van FreezerData, een AI-gedreven gespreksassistent.

De werking is bewust laagdrempelig: de monteur scant een QR-code en beschrijft via spraak of tekst zijn probleem. De AI combineert vervolgens actuele sensorwaarden, zoals temperatuur en energieverbruik, met de technische documentatie van dat specifieke apparaat. De monteur krijgt direct inzicht in afwijkingen, stapsgewijze diagnose-instructies en apparaat-specifieke handleidingen, terwijl hij handsfree kan blijven werken.

De grootste uitdaging lag in het vinden van de juiste balans tussen technische nauwkeurigheid en gebruiksvriendelijkheid: robuuste spraakherkenning, slimme interpretatie van data en aansluiting op het taalniveau van de gebruiker. Monteurs waarderen vooral de combinatie van realtime data, begrijpelijke uitleg en handsfree gebruiksgemak, waardoor ze sneller en effectiever een diagnose kunnen stellen. Het systeem voorkomt niet dat er fouten worden gemaakt, maar ondersteunt de monteur door relevante informatie en context te bieden zonder dat hij zelf documentatie hoeft door te spitten.

Deze toepassing laat zien waar generative AI in de maakindustrie het snelst waarde levert: niet als vervanger van vakmanschap, maar als manier om verspreide kennis, documentatie en sensordata op het juiste moment bij de juiste persoon te krijgen. Dat is bovendien een direct antwoord op de krapte op de arbeidsmarkt en de uitstroom van ervaren vakmensen.

Robotica en AI: van geprogrammeerd naar lerend

Dezelfde beweging zien we in de fysieke wereld. Traditionele industriële robots voeren exact geprogrammeerde bewegingen uit en zijn sterk in hoge volumes met weinig variatie. Cognitieve robots combineren robotica met AI: ze nemen hun omgeving waar via camera's en sensoren, leren van demonstraties en passen zich aan wanneer producten of situaties afwijken.

Voor de maakindustrie is dat een belangrijke ontwikkeling, want juist bij kleine series en veel productvariatie, kenmerkend voor het Nederlandse mkb, schoot klassieke robotisering vaak tekort. Humanoïde robots zijn hiervan de meest zichtbare exponent: robots met een menselijke vorm die in bestaande werkomgevingen kunnen opereren. De eerste industriële toepassingen worden getest, al is brede inzet in het mkb nog enkele jaren weg.

Een demonstrator bij AWL laat zien hoe die ontwikkeling in de praktijk verloopt: AI-ondersteunde vision beoordeelt daar nu lasnaden en de logische vervolgstap is het realtime bijsturen van het lasproces op basis van diezelfde beelden. Zo groeit een inspectietoepassing stap voor stap door naar een zelfcorrigerend proces.

Digital twins en AI: eerst simuleren, dan doen

Een digital twin is een digitale replica van een machine, productielijn of complete fabriek, gevoed met realtime data uit de fysieke wereld. In combinatie met AI wordt de twin meer dan een visualisatie: een omgeving waarin scenario's getest, verstoringen voorspeld en processen geoptimaliseerd worden zonder de echte productie te raken.

Wat gebeurt er met de doorlooptijd als we een extra machine plaatsen? Welke planning is robuust tegen het uitvallen van die ene bottleneck? Hoe gedraagt een nieuwe productvariant zich in de lijn? Vragen die voorheen alleen in de praktijk, met risico en kosten, beantwoord konden worden, worden verkend in de digitale kopie. Een veelgebruikte toepassing is bovendien het virtueel in bedrijf nemen van een machine, zodat de besturing al getest en geoptimaliseerd is voordat de werkelijke machine beschikbaar is.

AI in engineering: ontwerpen en programmeren met een co-piloot

Ook het engineeringproces zelf verandert. Generative design laat AI duizenden ontwerpvarianten genereren binnen opgegeven randvoorwaarden van sterkte, gewicht, materiaal en maakbaarheid, waaruit de engineer de beste kiest. Dat is bijvoorbeeld waardevol bij het ontwikkelen van onderdelen voor 3D-printing, waar juist die vrije vormgeving tot betere resultaten leidt. AI-assistenten ondersteunen daarnaast bij het schrijven en controleren van software en machinebesturing, het opstellen van technische documentatie en het hergebruiken van eerdere engineeringkeuzes.

De engineer wordt daarmee niet vervangen, maar versterkt: minder tijd aan repetitief teken- en zoekwerk, meer tijd voor de ontwerpkeuzes die echt om vakmanschap vragen.

Kennis van ervaren vakmensen op afstand beschikbaar

Een toepassingsrichting die dicht bij de dagelijkse praktijk van veel maakbedrijven ligt, is het ondersteunen van servicemedewerkers. Denk aan een systeem met een augmented-realitybril voor je onderhoudsteam, waarmee één senior service engineer alle minder ervaren medewerkers op afstand kan ondersteunen bij het onderhoud van machines. Gecombineerd met AI-assistenten zoals de Virtuele Service Monteur ontstaat zo een krachtige manier om schaarse ervaring te vermenigvuldigen in plaats van te verliezen.

Zo bereid je je voor

• Volg de ontwikkelingen actief via branchebijeenkomsten, leveranciers en netwerken als het FME-platform 'AI for Industry', waar bedrijven kennis en praktijkcases delen over onder meer predictive maintenance, machine vision, digital twinning en large language models.
• Bouw ervaring op met generative AI in veilige, administratieve toepassingen voordat je naar autonome processen kijkt.
• Breng je datafundament op orde. Elke toepassing in deze golf staat of valt met betrouwbare, gekoppelde data.
• Verken digital twins op kleine schaal, bijvoorbeeld een simulatie van één productielijn bij een investeringsbeslissing of het virtueel in bedrijf nemen van een nieuwe machine.
• Formuleer spelregels voor AI-gebruik: welke beslissingen mag een systeem zelfstandig nemen en waar blijft menselijke controle verplicht? De Europese AI Act geeft hiervoor het wettelijke kader en verplicht organisaties ook om te zorgen voor voldoende AI-geletterdheid bij medewerkers.
• Investeer in AI-geletterdheid van je team, bijvoorbeeld via het gratis programma AI-Certified (aicertified.nl): hoe beter medewerkers begrijpen wat AI kan en niet kan, hoe soepeler de stap naar autonomere processen straks verloopt.

De volgende AI-golf komt eraan, sneller dan de vorige. Bedrijven die nu ervaring opbouwen met de bewezen toepassingen én hun data op orde brengen, staan straks vooraan wanneer autonome processen, cognitieve robots en digital twins volwassen worden.

Wil je weten hoe jouw bedrijf ervoor staat op het gebied van AI? Doe de Smart Industry Assessment of vraag een vrijblijvend adviesgesprek aan via smartindustry.nl.