De Duitse brancheorganisatie ZVEI meldt dat de elektrotechnische en digitale industrie fors gaat investeren in kunstmatige intelligentie. Bedrijven in Duitsland willen op korte termijn meer algoritmen en datamodellen inzetten in fabrieken en toeleveringsketens. Doel is hogere productiviteit, minder stilstand en lagere energiekosten. De Europese AI-verordening en de “Europese AI-verordening gevolgen overheid” spelen mee bij keuzes voor systemen en leveranciers.
Duitse fabrikanten versnellen AI-plannen
De investeringen richten zich op software, dataplatformen en sensoren in productieomgevingen. Dataplatformen zijn systemen die gegevens uit machines en IT-systemen verzamelen en ordenen. Daarmee worden modellen getraind om processen aan te sturen of te controleren. Ook middelgrote bedrijven, de Duitse Mittelstand, schuiven nu op naar opschaling.
Bedrijven noemen drie redenen voor de versnelling. De buitenlandse concurrentie groeit, vooral uit de VS en Azië. Er is krapte op de arbeidsmarkt, terwijl de vraag naar maatwerk toeneemt. Verder dwingen hoge energieprijzen tot efficiënter werken.
Op het moment van schrijven bereiden veel leden van ZVEI interne programma’s voor om AI breder uit te rollen. Ze combineren bestaande automatisering met nieuwe datamodellen. Daarbij worden vaak eerst afdelingen met duidelijk rendement gekozen, zoals onderhoud en kwaliteitscontrole. Daarna volgt integratie met planning en logistiek.
Focus op productie en onderhoud
Een belangrijk toepassingsgebied is kwaliteitscontrole met beeldherkenning. Beeldherkenning is software die met camera’s fouten in producten opspoort. Dat verkleint uitval en versnelt de lijn. Ook afwijkingen in las- of printprocessen worden zo sneller ontdekt.
Onderhoud is een tweede zwaartepunt. Bij voorspellend onderhoud voorspelt een model storingen op basis van trillingen, temperatuur en stroomverbruik. Dat beperkt stilstand en verlaagt kosten voor reserveonderdelen. Voorraad en serviceploegen kunnen gerichter worden ingezet.
In engineering zien bedrijven kansen met generatieve hulpmiddelen en code-assistenten. Die ondersteunen het schrijven van besturingssoftware voor productielijnen, zoals PLC-code, en het documenteren van wijzigingen. Wel blijven menselijk toezicht en tests nodig om fouten in modellen te voorkomen. Dat is vooral belangrijk bij veiligheid en wettelijke keuringen.
Kunstmatige intelligentie is software die leert van data en daarna zelfstandig keuzes of voorspellingen maakt.
Knelpunten: data en vaardigheden
De grootste drempel is data van voldoende kwaliteit. Veel machines zijn oud en leveren verschillende soorten bestanden. Daarom is interoperabiliteit nodig, bijvoorbeeld via OPC UA, een open standaard waarmee machines veilig gegevens uitwisselen. Zonder een eenduidige datalaag raken modellen snel onbetrouwbaar.
Privacy en security blijven randvoorwaardelijk. Zodra gegevens aan personen zijn te koppelen, geldt de AVG met eisen als dataminimalisatie en versleuteling. Wie werknemers monitort met algoritmen, moet transparant zijn en expliciet doelen begrenzen. Ook back-ups, toegangsbeheer en logging zijn verplicht onderdelen.
Er is daarnaast schaarste aan mensen met AI- en domeinkennis. Bedrijven investeren daarom in scholing en in eenvoudige tools voor operators. Tegelijk kijken veel organisaties naar de balans tussen cloud en lokale verwerking aan de rand van het netwerk, ook wel edge genoemd. Dat beperkt kosten en beschermt bedrijfsgeheimen.
AI-verordening heeft directe gevolgen
De Europese AI-verordening deelt systemen in risicoklassen in. Veel industriële toepassingen vallen in de lage of beperkte risicoklasse. Maar als een AI-systeem een veiligheidsfunctie van een machine aanstuurt, geldt het als hoog risico. Dan zijn extra verplichtingen en toetsen nodig.
Bij hoog risico horen een risicobeheerproces, data- en modelgovernance, uitgebreide logging en menselijk toezicht. Vaak is een conformiteitsbeoordeling nodig, die aansluit bij CE-markering en de Europese Machinerichtlijn en -verordening. Leveranciers moeten bovendien technische documentatie opleveren die toetsbaar is. Dat stuurt nu al de ontwerpkeuzes bij ZVEI-leden.
Ook de publieke sector krijgt impact, zie “Europese AI-verordening gevolgen overheid”. Overheden en netwerkbeheerders moeten bij aanbestedingen controleren of AI-componenten aantoonbaar voldoen. Voor Nederlandse en Duitse instellingen betekent dit strengere eisen aan transparantie en herleidbaarheid. Dat kan open standaarden en Europese certificering versnellen.
Nederland deelt kansen en risico’s
De Duitse plannen raken Nederlandse toeleveranciers direct. Denk aan producenten van sensoren, industriële software en besturingskasten, en aan systeemintegrators. In grensregio’s werken bedrijven al samen in slimme maakclusters. Snellere adoptie over de grens vergroot de vraag naar compatibele oplossingen.
Nederlandse partijen kunnen aanhaken met fieldlabs en testfaciliteiten voor slimme industrie. Dat helpt mkb-bedrijven om algoritmen veilig te testen op echte productielijnen. Organisaties als TNO en de Nederlandse AI Coalitie stimuleren zulke trajecten. Zo worden nieuwe systemen eerder volwassen en beter uitlegbaar.
Regelgeving vraagt om gezamenlijke aanpak. Harmonisatie via CEN-CENELEC en ETSI maakt het eenvoudiger om één keer te bouwen en in de hele EU te leveren. Bedrijven die nu investeren in datakwaliteit, modeldocumentatie en menselijk toezicht, verkleinen hun nalevingsrisico’s. Dat geeft een voorsprong wanneer audits later verplicht worden.