Auteur: Karl D’haveloose

De maakindustrie is geen speeltuin voor luchtkastelen. We bouwen tastbare producten en draaien op harde cijfers. De hype rond Artificiële Intelligentie (AI) is voorbij. Nu draait alles om ‘meetbare impact’ op de fabrieksvloer. De droge statistiek: ondanks massale investeringen en brede adoptie van GenAI in diverse bedrijfsfuncties, ziet een alarmerende 60% van de bedrijven geen significante invloed op de brede bedrijfs-EBIT. De kloof tussen AI-activiteit en echte, bewezen waarde groeit. Industrialnews boog zich over een uitgebreide studie van Mc Kinsey, maar is op zoek naar de businesscases voor ons maakpubliek. Trouwens, straks op ABISS 2026, zowel in Kortrijk als Breda, word je volledig ondergedompeld in deze materie. De 14 Expert Classes komen straks online op www.abissummit.be

Laten we eerlijk zijn: we hebben al vaker gezien dat een AI-pilootproject snel in de vergetelheid raakt zonder unanimiteit en duidelijke KPI’s. Die cijfers moeten bovendien aansluiten bij de verwachtingen van de directie op het gebied van OT, IT en Finance. Print dit artikel ouderwets uit en leg het even op tafel bij de volgende directiemeeting.

Het probleem: van glanzende demo naar reële P&L

Veel organisaties, ook in de maakindustrie, zetten AI in op manieren die wel zichtbaar zijn – denk aan dashboards of fancy vision-systemen – maar zelden een meetbare impact op de winst- en verliesrekening hebben. Horizontale tools, zoals chatbots of copilots, verbeteren weliswaar de medewerkerservaring, maar veranderen zelden de businessfundamentals op de echte werkvloer.

Echte waarde ontstaat wanneer AI end-to-end workflows binnen specifieke productiedomeinen automatiseert en hervormt. Denk aan geautomatiseerde kwaliteitscontrole, voorspellend onderhoud dat de downtime elimineert of supply chain-optimalisatie die voorraden drastisch verlaagt. Maar zelfs dan is het aantonen van de impact vaak een uitdaging. Dit leidt tot een klassiek scenario: pilots die nergens heen gaan, discussies over budgetten en erger nog, het stagneren van strategische initiatieven. AI wordt behandeld als een experiment, niet als een strategische investering die zich moet bewijzen op industriële schaal.

Onze these is onverbiddelijk: de impact van AI is volledig meetbaar. Maar het vraagt dezelfde nauwkeurigheid en discipline als elke andere kapitaalinvestering in productiemiddelen. Als je verwacht dat AI je kostenstructuur, productiviteit of omzetontwikkeling wezenlijk zal veranderen, heb je een robuust systeem nodig dat technische prestaties koppelt aan bedrijfsresultaten. Met harde cijfers, niet met ‘gevoel’ of beloftes van softwareverkopers.

Een 5-lagig raamwerk voor AI-waarde op de fabrieksvloer vormt de oplossing 

Succesvolle AI-implementaties in de maakindustrie ontsnappen aan de 'pilotval' door drie cruciale zaken anders aan te pakken:

• Definieer de waarde vooraf: koppel relevante meetgegevens – van de prestaties van een AI-model op een machine tot de gebruikersadoptie op de werkvloer en operationele veranderingen – direct aan concrete businesswaarde.
• Integreer meting & attributie: bouw A/B-testen of gefaseerde implementaties in om resultaten rigoureus te kunnen analyseren en toeschrijven aan AI.
• Bekijk AI als een investering: regelmatige evaluaties, heldere mijlpalen en een compleet bewijspakket dat zowel voordelen als Total Cost of Ownership (TCO) in kaart brengt. Alleen zo schaalt je usecases op die echt waarde bewijzen.

Volgens Mc Kinsey wordt dit alles gefaciliteerd door een vijf-lagig raamwerk, dat een controleerbare lijn creëert van modelprestaties naar de financiële impact. Dit raamwerk, toepasbaar op zowel generatieve als traditionele AI, zorgt voor kristalheldere duidelijkheid over verantwoordelijkheden en meetwaarden op elk niveau. 

5 lagen voor maakindustrie, van bedrijfsresultaat tot techniek

Laag 1: Financiële impact (Eigenaar: Financiën/FP&A)

Meetbare bedrijfseconomische resultaten op ondernemingsniveau, direct gekoppeld aan de businesscase. Denk aan: 

• Omzetstijging: bijvoorbeeld door snellere time-to-market, agile productie, of nieuwe, gepersonaliseerde producten dankzij AI.
• Kostenbesparing: reductie van afval, energieverbruik per eenheid, voorraadkosten (optimalisatie) of personeelskosten door automatisering.
• Margeverbetering: optimalisatie van productieprocessen, die de output verhogen met dezelfde input of lagere inkoopkosten door een betere vraagvoorspelling.
• TCO of Total Cost of Ownerhip: gebruikskosten van het model, licentie- en infrastructuurkosten (cloud, edge).

Waarom het ertoe doet? In dit artikel was onze these, we zijn op zoek naar de harde cijfers. Laat zien dat AI uw P&L en balans aantoonbaar verbetert, bestand tegen elke kritische analyse.

Laag 2: Strategische resultaten (Eigenaar: Algemeen Directeur/Strategieleider, BU-managers)

Laat zien of AI leidt tot betekenisvolle, meetbare veranderingen in de strategische bedrijfsprestaties. Dit meet de voortgang ten opzichte van businessdoelstellingen en klantresultaten, zoals: 

• Verhoogde leverbetrouwbaarheid: door betere planning en productie-optimalisatie.
• Verbeterde productkwaliteit: lagere uitval scraps of hogere consistentie.
• Flexibiliteit en agility: sneller kunnen reageren op marktveranderingen of productvariaties.
• Nieuwe businessmodellen: bijvoorbeeld ‘product-as-a-service’ dankzij realtime data en AI. Denk aan ons artikel over Valk Welding en Welding as a Service 

Waarom het ertoe doet? Dit is de brug tussen de dagelijkse operatie en de langetermijnvisie. Het toont aan hoe AI de concurrentiepositie van je maakbedrijf versterkt.

Laag 3: Operationele KPI's (Eigenaar: Proceseigenaar, Productiemanager

Metingen die aantonen of AI de manier van werken op de werkvloer daadwerkelijk verbetert. Denk aan: 

• Overall Equipment Effectiveness (OEE): een directe indicator van de productiviteit van machines of productielijnen.
• Doorlooptijden: kortere cyclustijden per product en snellere omsteltijden.
• Defect- of herwerkpercentages: vermindering van non-conformiteiten en de kosten daarvan.
• Energieverbruik: optimalisatie van machine-instellingen voor lager verbruik per geproduceerde eenheid.
• Machinebezetting: percentage van de tijd dat een machine daadwerkelijk produceert versus stilstand.

Waarom het ertoe doet? Dit is de hartslag van uw fabriek. Als deze indicatoren niet aantoonbaar verbeteren door AI, dan verandert AI weliswaar, maar uw productieproces niet.

Laag 4: Gebruikersadoptie en -betrokkenheid (Eigenaar: Product- en Operationele Leiders, HR)

Laat zien of uw productiemedewerkers, onderhoudsteams en kwaliteitsingenieurs AI daadwerkelijk gebruiken en vertrouwen in hun werkprocessen. Hoe vaak, in welke mate en door wie? Bijvoorbeeld:

• Adoptiepercentage: hoeveel operatoren gebruiken de AI-gebaseerde kwaliteitsinspectie?
• Workflowpenetratie: percentage van taken dat met AI-ondersteuning wordt uitgevoerd (bv. instellen van machines).
• Vertrouwen: hoe vaak worden AI-aanbevelingen (bijv. voor onderhoud) opgevolgd of genegeerd.

Waarom dit ertoe doet? Zelfs het meest geavanceerde AI-model levert nul waarde op als het niet wordt gebruikt. Gebruikersacceptatie en vertrouwen op de shopfloor zijn cruciaal.

Laag 5: Technische prestaties (Eigenaar: Datawetenschap/Techniek Leiders, IT/OT)

Geeft aan of het AI-systeem betrouwbaar en efficiënt functioneert in de industriële omgeving. Bewaakt de 'gezondheid' van het model: 

• Nauwkeurigheid/Precisie: bijvoorbeeld de accuraatheid van defectdetectie in visionsystemen of de foutmarge van een voorspellend onderhoudsalarm.
• Latency: de reactietijd van het model, cruciaal voor realtime procescontrole.
• Robuustheid: de stabiliteit van het model onder variërende productiecondities, geluid op de lijn of wisselende data-input.
• Modeldrift: de afwijking van de prestaties over tijd. Modellen moeten continu opnieuw getraind en gevalideerd worden. 

Waarom het ertoe doet? Dit is de noodzakelijke technische basis voor veiligheid, betrouwbaarheid en economische haalbaarheid. Maar let op: het is noodzakelijk, maar op zichzelf niet voldoende om businesswaarde aan te tonen. Een perfect AI-model dat niemand gebruikt of geen operationele impact heeft, is een verspilling van investering.

Waardecreatie: gecontroleerd opschalen in de fabriek

De discipline die leiders van volgers onderscheidt, is het vermogen om AI-experimenten om te zetten in meetbare, herhaalbare prestaties, op industriële schaal. Dit volgt een gestructureerd pad: 

1. De Pilootfase (Proof of Concept): focus op technische en praktische haalbaarheid in een gecontroleerde omgeving (één machine en één specifieke kwaliteitscontrole). Een kleine groep gebruikers test een prototype tegen technische KPI's, veiligheids-/kostenrichtlijnen. Het doel is ‘bewijs leveren’, niet meteen opschalen.
2. MVP-fase (Minimum Viable Product): de oplossing wordt met beperkte, maar live blootstelling geïmplementeerd in een deel van de workflow. Metingen zijn nu geïntegreerd in de AI-tool zelf. Verbind met bestaande MES/SCADA-systemen. Toon aan dat het werkt onder realistische condities.
3. Initiële opschaling: een bredere uitrol over meerdere machines, lijnen of afdelingen. Hier focust men op statistisch significante operationele verbeteringen en het aantonen van economische voordelen. De acceptatie moet breed zijn en de technische prestaties moeten standhouden onder hogere belasting. Is de ROI niet duidelijk, dan stop je. Toon aan dat het ‘schaalbaar’ is.
4. Volledige Schaal (Embedded AI): AI is volledig geïntegreerd in de dagelijkse bedrijfsvoering, van productieworkflows en onderhoudsroutines tot governance- en budgetteringscycli. Het is geen project meer, maar een duurzame bron van bedrijfswaarde. Denk aan zelfoptimaliserende productielijnen of lights outsegmenten. AI wordt een fundamenteel onderdeel van je competitief voordeel.

Conclusie:  de belofte van AI in industrie gaat al lang niet meer over of het haalbaar is of niet. Het is een kwestie van wat levert het concreet op. Het onderscheidende kenmerk is nu het bewijs en het vermogen om dat bewijs om te zetten in duurzame prestaties. De maakbedrijven die deze discipline nu serieus omarmen en implementeren, zullen de maatstaf voor waardecreatie overmorgen al waarmaken. Wie dit momentum mist, zal op termijn de prijs betalen in een steeds competitiever wordend maaklandschap. Alle begin is moeilijk en op voorsprong blijven is dat evengoed. Houd je agenda voor de 2 opkomende ABISS2026-edities in de gaten.