Wat wel de 'fabriek van de toekomst' wordt genoemd, draait niet alleen om robots, sensoren, cloudplatformen en dashboards. Minstens zo belangrijk is de kennis van de mensen die dagelijks beslissingen nemen over processen, productvarianten, storingen, kwaliteit en omstellingen. Juist die kennis staat onder druk. Ervaren engineers en operators gaan met pensioen, productieprocessen worden complexer en bedrijven moeten steeds sneller reageren op wijzigingen in producten, orders en kwaliteitsnormen. German Edge Cloud speelt daarop in met de 'Digital Industrial Engineer', een AI-ondersteunde oplossing die tijdens Hannover Messe wordt gepresenteerd als showcase voor de kennisgedreven fabriek.
Veel varianten
De oplossing is bedoeld voor productieomgevingen waarin veel varianten worden gemaakt en waar engineers voortdurend afwegingen moeten maken. Denk aan de vraag hoe een nieuwe productvariant het beste door een bestaande lijn kan lopen, welke teststappen nodig zijn, waarom een bepaalde storing steeds terugkeert of welke maatregelen eerder effectief bleken bij vergelijkbare afwijkingen. In veel fabrieken zit een groot deel van die kennis niet netjes in systemen, maar in het hoofd van ervaren medewerkers. Dat werkt zolang die mensen beschikbaar zijn, maar wordt kwetsbaar zodra zij vertrekken, minder beschikbaar zijn of wanneer nieuwe collega’s sneller moeten worden ingewerkt.
De Digital Industrial Engineer probeert dat probleem op te lossen door ervaringskennis systematisch vast te leggen, te structureren en te koppelen aan actuele productiecontext. Het gaat dus niet om een algemene chatbot die losse antwoorden geeft, maar om een AI-assistent die wordt gevoed met relevante informatie uit de productiepraktijk. German Edge Cloud positioneert de oplossing als een systeem op volwassenheidsniveau 3, “Operational”, waarmee het niet alleen om een concept of laboratoriumdemo gaat, maar om een toepassing die onder realistische omstandigheden wordt gevalideerd.
De rol van de industrial engineer
Centraal staat de rol van de industrial engineer. Deze functie is in veel maakbedrijven onmisbaar voor stabiele processen. Industrial engineers ontwikkelen werk- en testconcepten, beoordelen productwijzigingen, analyseren verstoringen en zorgen dat kwaliteit en output op niveau blijven. In high-mix, low-volume productie of in omgevingen met veel klantvarianten kan hun werk doorslaggevend zijn voor leverbetrouwbaarheid en foutreductie. Dat geldt niet alleen voor de discrete maakindustrie, maar ook voor procesomgevingen waar recepturen, batches, onderhoudsstrategieën en kwaliteitscontroles steeds sterker met data worden ondersteund.
De nieuwe AI-assistent moet vooral helpen bij beslissingen die normaal veel context vereisen. German Edge Cloud noemt onder meer plannings- en beoordelingsprocessen in productieomgevingen met hoge variatie. De oplossing kan kennis uit expertinterviews, storingsanalyses, productwijzigingen, werkplannen, testconcepten en FMEA-analyses vastleggen. Daarbij ligt de nadruk op beslislogica, typische foutpatronen, oorzaak-gevolgrelaties en beproefde tegenmaatregelen. Die kennis wordt vervolgens omgezet in herbruikbare kennisblokken die zijn gekoppeld aan productvarianten, technologieën of revisiestatussen.
Voor managers in de maak- en procesindustrie is vooral dat laatste relevant. Veel digitaliseringsprojecten leveren wel data op, maar nog geen betere besluitvorming. Machines, MES-systemen, ERP, PLM, kwaliteitssoftware en onderhoudssystemen bevatten elk een deel van het verhaal. De uitdaging zit in het leggen van verbanden. Waarom trad een afwijking op? Welke productvariant was betrokken? Welke instelling is eerder aangepast? Welke maatregel werkte toen wel, maar later niet meer? Een AI-assistent kan alleen waardevol zijn wanneer hij niet los boven de fabriek hangt, maar voldoende context krijgt uit de operationele systemen.
ONCITE Digital Production System
Daarom is het ONCITE Digital Production System van German Edge Cloud een belangrijke bouwsteen. Dit platform moet productiegerelateerde data structureren en contextualiseren, zodat die geschikt wordt voor AI-toepassingen. ONCITE fungeert daarbij als databasis voor de fabriek en kan informatie uit de shopfloor verbinden met kennis en applicaties. Op de Hannover Messe-productpagina omschrijft German Edge Cloud ONCITE DPS als een centrale datahub voor onder meer transparantie in processen, installatiestatussen, materiaalstromen, energieverbruik en industriële AI-toepassingen.
De showcase wordt niet door German Edge Cloud alleen ontwikkeld. De kennislaag komt van great2know, dat ervarings- en besliskennis uit productie- en planningssituaties vastlegt en structureert. Scheer PAS levert een procesgericht digitaliseringsplatform voor integratie, automatisering, orkestratie, API-management en agentgebaseerde AI. Volgens German Edge Cloud maakt die combinatie het mogelijk om regelgebaseerde en AI-gebaseerde activiteiten stapsgewijs te combineren, zodat bedrijven vertrouwen kunnen opbouwen in AI-ondersteunde processen. Limtronik levert de industriële pilotomgeving waarin de toepassing in een productieomgeving met veel varianten wordt gevalideerd.
Een belangrijk punt is dat de AI-assistent de engineer niet vervangt. Het systeem is bedoeld als ondersteuning bij kennisintensieve taken. De engineer blijft degene die beoordeelt, goedkeurt en verantwoordelijkheid draagt voor de uiteindelijke beslissing. Dat past bij de bredere trend rond “human in the loop”: AI kan verbanden zichtbaar maken, historische informatie ophalen, opties vergelijken en beslisroutes voorstellen, maar de menselijke expert blijft nodig om de uitkomst te toetsen aan de praktijk. Zeker in productieomgevingen waar veiligheid, kwaliteit en continuïteit zwaar wegen, is dat geen detail maar een voorwaarde.
Sneller inzetbaar maken
De aanpak kan ook helpen bij het sneller inzetbaar maken van nieuwe medewerkers. In de industrie groeit de behoefte aan internationaal technisch talent. Tegelijk vormen taal, terminologie en versnipperde documentatie vaak een drempel. German Edge Cloud stelt dat de Digital Industrial Engineer technische begrippen, proceskennis en historische documenten begrijpelijker kan maken, waardoor buitenlandse of nieuwe engineers sneller productief kunnen worden. Voor bedrijven die kampen met vergrijzing, krapte op de arbeidsmarkt en complexe documentatie kan dat een concreet voordeel zijn. (gec.io)
Voor de maakindustrie ligt de toepassing voor de hand bij assemblage, elektronica, machinebouw, automotive supply chains en andere omgevingen waar variantenrijkdom groot is. Maar ook de procesindustrie kan baat hebben bij hetzelfde principe. Daar gaat het bijvoorbeeld om batchafwijkingen, receptuurwijzigingen, ombouw van lijnen, kwaliteitsanalyses, onderhoudsbeslissingen en procesoptimalisatie. Ook in die omgevingen is veel kennis historisch opgebouwd door operators, procestechnologen, maintenance engineers en kwaliteitsmedewerkers. Wanneer die kennis niet goed wordt vastgelegd, verdwijnt zij langzaam uit de organisatie.
De belofte van dit soort industriële AI zit daarmee minder in spectaculaire autonome fabrieken en meer in een praktisch probleem: hoe voorkom je dat cruciale productiekennis versnipperd raakt of verloren gaat? Bedrijven investeren al jaren in data-acquisitie, dashboards en digital twins, maar kennisborging blijft vaak achter. AI kan daar een nieuwe laag aan toevoegen, mits de onderliggende data betrouwbaar is en de kennis goed wordt gevalideerd.
Bredere discussie voeren
Voor managers betekent dit dat de discussie over AI in de fabriek breder moet worden gevoerd dan alleen vanuit IT of automatisering. Het gaat ook om kennismanagement, processtandaardisatie, kwaliteit, opleiding en organisatieverandering. Een AI-assistent kan pas goed functioneren wanneer bedrijven weten welke kennis zij willen vastleggen, wie die kennis bezit, welke documenten betrouwbaar zijn en hoe nieuwe inzichten worden goedgekeurd. Zonder die basis dreigt AI vooral extra ruis toe te voegen.
De Digital Industrial Engineer laat zien waar industriële AI zich de komende jaren naartoe kan ontwikkelen: van losse experimenten naar geïntegreerde ondersteuning van dagelijkse engineeringbeslissingen. Niet als vervanging van vakmensen, maar als digitaal geheugen van de fabriek. Juist in een tijd waarin productie complexer wordt en ervaren medewerkers schaarser zijn, kan dat een belangrijk verschil maken tussen digitalisering als verzameling tools en digitalisering als structurele versterking van de productieorganisatie.