Tijdens de Automation and Robotics Conference 2025 lieten bedrijven en onderzoekers zien hoe camera’s en algoritmen het ‘oog’ van de robot vormen. In een videoreportage stond de Europese praktijk centraal, van kwaliteitscontrole tot veilige samenwerking tussen mens en machine. De vraag was hoe deze systemen betrouwbaar én wettig kunnen werken onder de Europese AI-verordening en de AVG. De conferentie is relevant omdat de industrie in 2025 versneld automatiseert om flexibeler te produceren en kosten te verlagen.
Machinevisie stuurt robots
Machinevisie is software die camerabeelden analyseert om een taak te sturen. Het gaat bijvoorbeeld om defectdetectie, grijpen van losse onderdelen of het volgen van een lijn. Vaak gebruikt het systeem deep learning, een vorm van kunstmatige intelligentie die patronen leert uit veel voorbeelden. Dat maakt robots preciezer, maar ook afhankelijk van goede data en passende camera’s.
De praktijk vraagt om robuuste prestaties bij wisselend licht, glanzende materialen en bewegende producten. Dat vraagt om belichting, lenzen en modelkeuzes die bij het proces passen. Voor logistiek werkt een 2D-camera vaak, terwijl 3D-sensoren beter zijn voor stapelen en pick-and-place. De videoreportage laat vooral zien hoe die keuzes het verschil maken in uptime en kwaliteit.
Steeds vaker draait de analyse op de werkvloer zelf, met zogeheten edge computing. Dat is verwerken op het apparaat of in een lokale computer, zodat de vertraging laag blijft en beelden niet naar de cloud hoeven. Dit helpt bij privacy en continuïteit. Kleinere, efficiënte modellen zijn daarbij belangrijk om zonder grote servers te draaien.
Data blijft de bottleneck. Bedrijven moeten datasets, een verzameling voorbeeldbeelden, maken en labelen. Soms helpt synthetische data, nepbeelden uit simulatie, om moeilijke gevallen toe te voegen. Let wel op ‘modeldrift’: als de omgeving wijzigt, kan een model langzaam minder goed presteren en opnieuw getraind moeten worden.
Machinevisie is software die camerabeelden omzet in beslissingen, vaak direct op het apparaat (edge), zodat een robot veilig en effectief kan handelen.
AI-verordening raakt productie
De Europese AI-verordening (AI Act) geldt gefaseerd, op het moment van schrijven vanaf 2025 tot 2027. Systemen in fabrieken kunnen onder verschillende risicoklassen vallen. Als AI een veiligheidsfunctie aanstuurt, valt het doorgaans in een hoge-risicoklasse. Voor puur kwaliteitscontrole zonder veiligheidsimpact is de eis lichter, maar transparantie en zorgvuldigheid blijven relevant.
Voor hoge-risicosystemen gelden strikte plichten. Denk aan risicobeheer, datagovernance, logboeken, menselijke controle en cyberbeveiliging. Ook hoort daar een conformiteitsbeoordeling en uitgebreide technische documentatie bij. Fabrikanten koppelen dit aan CE-markering en de sectorregels voor machines.
De AI Act grijpt in op inkoop en engineering. Bedrijven moeten bij leveranciers vragen naar trainingsdata, prestatiecijfers en updatebeleid. Europese normalisatie via CEN en CENELEC moet helpen met technische normen. Dat geeft duidelijkheid aan integratoren en eindgebruikers in de industrie.
Kleinere leveranciers en toeleveranciers hebben zorgen over kosten en papierwerk. De wet biedt daarvoor testfaciliteiten en sandboxes via lidstaten. Dit kan in Nederland aansluiten op bestaande fieldlabs en keuringsinstanties. Wie nu al meetbare prestatie-eisen afspreekt, voorkomt later herwerk en vertraging.
AVG en cameradata in fabrieken
Zodra personeel herkenbaar in beeld komt, geldt de AVG. Dat vraagt om dataminimalisatie: alleen vastleggen wat nodig is. Verwerken aan de rand (edge) helpt, omdat beelden de fabriek niet verlaten. Ook kan geautomatiseerd worden geblurd of direct gewist na analyse.
Maak het doel en de rechtmatige grondslag duidelijk, bijvoorbeeld gerechtvaardigd belang voor proceskwaliteit of veiligheid. In Nederland hoort hier vaak overleg met de ondernemingsraad bij. Leg bewaartermijnen vast en beperk toegang tot ruwe beelden. Dit verkleint risico’s bij audits en datalekken.
Let op verborgen datastromen via onderhoud en monitoring. Sommige leveranciers vragen om externe toegang voor support. Gebruik versleuteling, netwerksegmentatie en strikte accounts. Log alle toegang, zodat u kunt aantonen wie wanneer wat heeft gezien.
Als AI beslissingen neemt over medewerkers, gelden extra waarborgen. Denk aan uitleg over de beslissing en menselijk toezicht. Ook moet bias, systematische vertekening, worden getoetst. Dit sluit aan bij de zorgplichten uit de AI-verordening.
Veiligheid en aansprakelijkheid
Behalve de AI Act geldt de nieuwe EU-Machinerichtlijn-opvolger: de Machinery Regulation (EU) 2023/1230. Die wordt de komende jaren van kracht en raakt ook software in machines. Waar AI veiligheidsfuncties beïnvloedt, lopen beide regimes in elkaar over. Fabrikanten moeten dat integraal beoordelen.
Normen helpen bij het ontwerp. ISO 10218 gaat over industriële robots en ISO/TS 15066 over samenwerking tussen mens en cobot. Voor mobiele robots is ISO 3691-4 belangrijk. Daarnaast beschrijft ISO 13849 hoe je de betrouwbaarheid van veiligheidsfuncties aantoont.
Perceptie alleen is vaak niet “veiligheidsgecertificeerd”. Daarom blijven lichtschermen, veiligheidslasers en noodstops nodig. Camera’s kunnen wel extra context geven, bijvoorbeeld om langzamer te gaan of te stoppen. Combineren van sensoren verhoogt de functionele veiligheid.
De nieuwe Productaansprakelijkheidsrichtlijn betrekt software explicieter bij aansprakelijkheid. Goede logboeken en reproduceerbare tests worden daarmee essentieel bewijs. Dit stimuleert traceerbare datasets en versiebeheer van modellen. Wie dit vanaf de start inricht, beperkt juridische risico’s en stilstand.
Nederlandse stappen en fieldlabs
Nederland bouwt aan testplekken voor slimme productie. Denk aan RoboHouse (TU Delft), Brainport Eindhoven en TNO-projecten rond AI in de maakindustrie. Bedrijven kunnen daar realistische cases draaien met camera’s, robots en algoritmen. Zo verklein je de stap van pilot naar dagelijkse operatie.
De meeste kansen liggen in food, farma en logistiek, waar veel visuele controles zijn. Machinevisie kan daar fouten terugdringen en snelheid verhogen. Tegelijk is er schaarste aan data en vakmensen. Praktische handleidingen en open voorbeeldsets kunnen helpen.
Onderwijs en bijscholing zijn randvoorwaardelijk. Operators moeten leren werken met datamodellen, die een set aan voorbeelden zijn. Monteurs leren camera’s en belichting in te stellen. Mbo- en hbo-instellingen spelen hierin een sleutelrol.
Financiering komt uit verschillende potjes. Horizon Europe ondersteunt testbeds en standaarden. Het Nederlandse groeifondsprogramma NXTGEN Hightech investeert in robotica en productietechnologie. Bedrijven die Europese regels en technische standaarden vroeg omarmen, hebben het meeste aan deze steun.
