De afgelopen twee jaar is er nauwelijks een vakblad of congresprogramma geweest zonder AI op de agenda. Dat wekt de indruk dat productiebedrijven die nog geen AI-strategie hebben, achterop lopen. Dat klopt niet.
Maar er zijn toepassingen die nu al werken. Geen robots die autonoom beslissingen nemen — wel software die patronen herkent in data en daar iets mee doet. Dat onderscheid is belangrijk.
Het verschil tussen hype en praktijk
AI in de volksmond is een containerbegrip. Het omvat alles van een chatbot tot autonome voertuigen. Wat relevant is voor productiebedrijven die met ERP werken, is veel specifieker: machine learning toegepast op productie- en operationele data.
Dat klinkt minder spectaculair, maar het is bruikbaar. De voorwaarde is dat je ERP goede data bevat. Daar kom ik later op terug.
Wat nu al werkt in de praktijk
Voorspellend onderhoud Dit is de toepassing die al het langst serieus wordt ingezet. Je combineert sensordata van machines met onderhoudshistorie uit je ERP. Een algoritme herkent afwijkingen die voorafgaan aan storingen — niet als specifieke storing, maar als patroon. Het systeem geeft een seintje voordat de machine uitvalt.
De waarde zit niet in de technologie zelf, maar in het voorkomen van ongeplande stilstand. Voor productiebedrijven met weinig overcapaciteit is elke onverwachte storing duur. Dit lost dat niet op, maar het verkleint de kans.
Afwijkingsdetectie in kwaliteitsregistraties Als je kwaliteitsgegevens systematisch in je ERP registreert, kan AI helpen om afwijkingen eerder te signaleren. Niet door een norm te overschrijden — dat doet je systeem al — maar door subtiele trends te herkennen die nog binnen norm liggen maar in de richting van een probleem gaan.
In de praktijk betekent dit dat je eerder ingrijpt. Minder uitval, minder herbewerking, minder klachten.
Automatische orderprioritering In drukke productieomgevingen met veel orders, wisselende levertijden en beperkte capaciteit is het bepalen van de volgorde van uitvoering een tijdrovende klus. Algoritmes kunnen hier beter en sneller in zijn dan een planner die dit handmatig doet — mits ze gevoed worden met de juiste parameters vanuit je ERP.
Dit betekent niet dat de planner overbodig wordt. Het betekent dat de planner minder tijd kwijt is aan het sorteren van orders en meer tijd heeft voor uitzonderingen.
AI-gegenereerde rapportages Grote ERP-leveranciers zoals SAP en Microsoft bouwen generatieve AI in hun systemen. Je stelt een vraag in gewone taal — “wat waren de tien meest verliesgevende orders vorig kwartaal?” — en het systeem genereert een antwoord op basis van je data.
Dit is nu al beschikbaar in nieuwere versies van AFAS, SAP S/4HANA en Microsoft Dynamics 365. Het is geen magie, maar het verlaagt de drempel voor medewerkers die geen rapportagespecialist zijn.
De bottleneck: data
Al deze toepassingen hebben één gemeenschappelijke voorwaarde: betrouwbare, volledige data in je ERP.
Dat klinkt vanzelfsprekend, maar in de praktijk is het de grootste belemmering. Voorspellend onderhoud werkt niet als onderhoudsregistraties slordig worden ingevuld. Afwijkingsdetectie werkt niet als kwaliteitscontroles half worden gedaan of buiten het systeem worden bijgehouden. Orderprioritering werkt niet als levertijden en capaciteitsgegevens niet up-to-date zijn.
AI maakt goede data beter. AI maakt slechte data gevaarlijker — want het geeft slecht onderbouwde conclusies een schijn van wetenschappelijkheid.
Begin niet met AI, begin met data
Als ik bij een productiebedrijf kom dat wil starten met AI, is mijn eerste vraag altijd: hoe betrouwbaar is jullie ERP-data? Niet als trucje om het gesprek af te kappen, maar omdat het eerlijk antwoord op die vraag bepaalt of AI nu zinvol is of niet.
Een ERP met onvolledige stamdata, inconsistente registraties en medewerkers die het systeem gedeeltelijk omzeilen, is geen goede basis voor AI-toepassingen. Dat is een basis voor verkeerde conclusies op grote schaal.
De juiste volgorde is: ERP op orde, data op orde, daarna AI als versterker.
Wat dit betekent voor jou
Als je ERP-data betrouwbaar is en je processen goed zijn ingericht, zijn de bovenstaande toepassingen nu al haalbaar. Niet met enorme investeringen, maar met gerichte aanpassingen en de juiste tooling.
Meer lezen:
- AI in productie: waar begint u als directeur écht mee?
- Uw ERP zit vol goud — waarom u er niets mee doet
- Alles over de AI Workshop voor productiebedrijven
Wil je weten waar jouw bedrijf staat en welke AI-toepassing als eerste relevant is? Neem contact op via verps.nl/contact — ik help je bepalen wat zinvol is en wat nog niet.
Johan Verhees
Eigenaar & ERP-specialist, Verhees ERP Service
30+ jaar ervaring in ERP-implementaties en procesoptimalisatie voor de Nederlandse maakindustrie.