Starten met AI

AI-transformatie begint bij het doel, niet bij de technologie

Starten met AI is in de kern geen IT-project, maar een transformatievraagstuk. Het vraagt om een heldere koppeling tussen bedrijfsdoelen en AI-mogelijkheden: wil je ongeplande stilstand verminderen? Kwaliteitskosten verlagen? Sneller offreren? De afhankelijkheid van schaars personeel verkleinen?

Elk van die doelen leidt naar andere toepassingen, andere data en andere prioriteiten. Bedrijven die deze vraag overslaan, eindigen vaak met losse experimenten die nergens landen: een pilot hier, een tool daar, maar geen structurele verandering. Bedrijven die het doel voorop zetten, kunnen elke AI-investering toetsen aan de vraag: draagt dit bij aan waar we heen willen?

Het is verleidelijk om in de waan van alledag voor een bepaalde nieuwe toepassing te kiezen omdat die nu eenmaal veel aandacht krijgt. Maar een toepassing moet passen binnen je strategie: acties moeten bijdragen aan het halen van de doelen van jouw bedrijf.

Bepaal eerst waar je nu staat

Voordat je bepaalt waar je heen wilt, helpt het om te weten waar je staat. De Smart Industry / Industrie 4.0 Maturity Index wordt daarvoor vaak als denkkader gebruikt: een model met zes stadia van digitale transformatie, van losse automatisering via 'zien wat er gebeurt' en 'begrijpen waarom het gebeurt' naar 'voorspellen wat er gaat gebeuren' en uiteindelijk zelfoptimaliserende processen. AI speelt in elk volgend stadium een grotere rol.

Veel maakbedrijven bevinden zich nog in de eerste twee stadia: machines zijn digitaal verbonden, maar informatie- en operationele systemen zijn nog niet volledig geïntegreerd. Dat is geen probleem, zolang je maar weet welke volgende stap logisch is.

Een praktisch hulpmiddel hierbij is een Digital Maturity Assessment. Smart Industry voert deze assessments, samen met andere organisaties in de European Digital Innovation Hubs (EDIHs) in de verschillende regio's van Nederland. Zo'n assessment gaat 'van breed naar heel concreet': vanuit je bedrijfsdoelen wordt gekeken naar toepassingsmogelijkheden van digitale technologieën, datamanagement, AI en dataveiligheid. Het is laagdrempelig en vraagt een tijdsinvestering van twee tot vier uur, idealiter met meerdere mensen uit verschillende bedrijfsdisciplines.

Waarom data het fundament is

AI-modellen zijn zo goed als de data waarop ze werken. Een voorspellend onderhoudsmodel heeft betrouwbare sensordata en een consistent bijgehouden storingshistorie nodig. Een planningsalgoritme werkt alleen met actuele order-, capaciteits- en voorraadgegevens. Een AI-assistent die vragen beantwoordt over producten en processen, is afhankelijk van goed gedocumenteerde kennis.

In de praktijk blijkt hier de grootste hobbel te zitten. Veel maakbedrijven hebben hun data verspreid over ERP-systemen, Excel-bestanden, machinebesturing, e-mail en het geheugen van ervaren medewerkers. Registraties zijn incompleet, coderingen inconsistent en stamdata verouderd. Geen enkel AI-model kan dat compenseren.

Praktijkvoorbeeld: Damen brengt 2.700 scheepsconfiguraties samen op één platform

Scheepsbouwer Damen liep precies tegen dit probleem aan. Configuratie-informatie van schepen werd op verschillende manieren bijgehouden in verschillende teams, terwijl juist die informatie de basis vormt voor wat bij oplevering aan scheepseigenaren wordt overgedragen. "Het was logisch om één gemeenschappelijke bron en één gemeenschappelijke applicatie te vinden om deze configuraties vast te leggen voor gebruik door iedereen", vertelt Thijs van Dorssen, Lead Digital Tooling bij Damen Services.

Damen standaardiseerde daarom eerst het beheer van configuratiegegevens en centraliseerde die in één oplossing: de Damen Maintenance Management Solution, gebouwd met de IBM Maximo Application Suite. Inmiddels beheert Damen de configuraties van meer dan 2.700 schepen op dat platform.

Pas nadat dat fundament er lag, werden de toepassingen mogelijk. Het platform berekent de potentiële operationele uren van elk schip over drie jaar en stelt op basis daarvan onderdelen voor die waarschijnlijk nodig zullen zijn, zodat klanten al bij oplevering een offerte voor vervangende onderdelen kunnen krijgen. Via API-koppelingen met het IoT-platform van Damen worden sensorgegevens vergeleken met het onderhoudsplan van elk schip, waarna onderhoudstaken automatisch worden geactiveerd. Ook een levenscycluskostencalculator werd mogelijk, die de totale bedrijfskosten van een schip berekent op basis van gebruiksuren, brandstof, dokken, arbeid en onderhoud.

De les voor elk maakbedrijf, ongeacht schaal: één betrouwbare bron van gegevens is geen bijzaak, maar de voorwaarde waar alle vervolgtoepassingen op rusten. Bij Damen leidde het bovendien tot nieuwe commerciële kansen, doordat het bedrijf nu kan voorspellen wanneer componenten aan vervanging toe zijn.

Een data-infrastructuur bouwen voor AI

Het bouwen van een datafundament hoeft geen groot project te zijn. Het gaat om een aantal praktische bouwstenen:

• Verzamelen - zorg dat relevante data überhaupt wordt vastgelegd: machinedata, storingen, kwaliteitsmetingen, doorlooptijden. Moderne machines leveren die data vaak al; oudere machines kunnen met sensoren worden uitgerust.
• Structureren - leg data vast op één plek en volgens vaste definities. Eén artikelcodering, één storingsclassificatie, consistente eenheden.
• Ontsluiten - zorg dat data toegankelijk is voor analyse en niet opgesloten zit in losse systemen of bij individuele medewerkers.
• Onderhouden - wijs eigenaarschap toe: wie bewaakt de kwaliteit van welke data, en hoe wordt vervuiling voorkomen.

Bedrijven die al werken met een goed ingericht ERP- of MES-systeem hebben hier een voorsprong: de infrastructuur ligt er al, het gaat om consequent gebruik.

Kies bij het inrichten van je data-infrastructuur of -platform bewust voor een opzet waarmee je flexibel blijft en waaraan je diverse toepassingen kunt koppelen. Dat voorkomt dat je vastloopt zodra de volgende toepassing zich aandient. De aanpak van Damen laat dat goed zien: door met API-gebaseerde integraties te werken, kon het bedrijf het centrale platform stap voor stap koppelen aan het IoT-platform, een mobiele app voor servicemonteurs en een klantportaal.

Klein beginnen, groot denken

Een datafundament bouw je niet in één keer voor het hele bedrijf. Begin bij de data die nodig is voor je eerste AI-toepassing en breid van daaruit uit. Wie wil starten met storingsanalyse, begint bij het consequent registreren van storingen. Wie wil starten met kwaliteitscontrole, begint bij het gestructureerd vastleggen van afwijkingen.

Zo groeit het datafundament mee met de AI-ambities en levert elke stap direct bruikbare inzichten op, vaak al voordat er een AI-model aan te pas komt. Handmatige analyse van goed geregistreerde storingsdata legt regelmatig al patronen bloot die jarenlang onopgemerkt bleven.

Ook mensen horen bij het fundament: AI-geletterdheid

Een datafundament alleen is niet genoeg. AI-transformatie vraagt ook dat medewerkers begrijpen wat AI is, wat het wel en niet kan en hoe je het verantwoord inzet. Zonder die basiskennis blijven AI-initiatieven het domein van een enkeling, ontstaat er onnodige koudwatervrees op de werkvloer of, het andere uiterste, ondoordacht gebruik van AI-tools met bedrijfsgevoelige informatie.

De Europese AI Act verplicht organisaties die AI gebruiken bovendien om te zorgen voor voldoende AI-geletterdheid bij hun medewerkers. Dat hoeft geen kostbaar traject te zijn: via het gratis programma AI-Certified (aicertified.nl), een initiatief dat onder meer door FME en Smart Industry wordt ondersteund, kunnen medewerkers laagdrempelig kennismaken met AI, van een introductie van 25 minuten tot een volwaardig AI-Brevet met officieel examen. Zo bouw je naast een datafundament ook een kennisfundament.

Zo begin je

• Formuleer één concreet bedrijfsdoel waar AI aan kan bijdragen, bijvoorbeeld minder stilstand of lagere kwaliteitskosten.
• Bepaal waar je nu staat, bijvoorbeeld met een Digital Maturity Assessment via een van de European Digital Innovation Hubs in jouw regio.
• Inventariseer welke data je al verzamelt. Wordt die systematisch opgeslagen en is ze toegankelijk voor analyse?
• Controleer de kwaliteit van je basisdata. Zijn registraties compleet, coderingen consistent en stamdata actueel?
• Kies de data die hoort bij je eerste toepassing en breng die eerst op orde, in plaats van alles tegelijk.
• Wijs een eigenaar aan die verantwoordelijk is voor datakwaliteit en het bewaken van afspraken.
• Laat medewerkers gratis kennismaken met AI via een programma als AI-Certified, zodat kennis en draagvlak meegroeien met je ambities.

Bedrijven die nu investeren in hun datafundament, leggen de basis voor elke AI-toepassing van morgen. Wie deze stap overslaat, merkt het bij elk volgend project.

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.