Digitalisering in de maakindustrie: het gat tussen werkvloer en systeem

In de maakindustrie gaat het gesprek over AI. Op beurzen, in directiekamers, in de nieuwsbrief van je ERP-leverancier. Ondertussen staat de stilstandregistratie op veel productielocaties nog op een whiteboard, wordt de OEE aan het eind van de week met de hand in Excel gezet, en gaat de vraag of dat ene onderdeel al binnen is via WhatsApp.

Dat is geen gebrek aan ambitie. In het onderzoek AI & Productiviteit van MKB Innovatie Zwolle (januari 2026) komt de maakindustrie uit op 18 procent AI-adoptie, tegenover 58 procent in de ICT. De blokkade die bedrijven zelf het vaakst noemen is geen geld: 74,6 procent wijst naar gebrek aan kennis en ervaring.

Het gesprek gaat over AI, het probleem ligt ervoor

Mendix haalde in augustus 2026 een Gartner Strategic Planning Assumption aan: organisaties die AI-agents als teamleden in hun organisatiestructuur presenteren, hebben in 2028 15 procent lagere medewerkersbetrokkenheid dan organisaties die dat niet doen. De conclusie die Mendix eraan verbindt is ook los van het platform bruikbaar. Stop met de vraag hoeveel digitale werkers je nodig hebt. Begin bij de vraag hoe het werk is georganiseerd.

Voor een maakbedrijf wordt die vraag snel concreet. Een agent die je inkooporders bewaakt, heeft data nodig over wat besteld is, wat binnen is en wat er op de vloer ligt. Zit dat antwoord verspreid over drie systemen en een appgroep, dan heb je geen AI-vraagstuk. Je hebt een koppelvraagstuk.

De data is er wel, alleen niet in een systeem

In gesprekken met maakbedrijven, machinebouwers en procesindustrie komen drie patronen bijna altijd terug.

De machine weet het, het systeem niet. Besturing en sensoren registreren nauwkeurig wat er gebeurt, maar die data komt niet verder dan de PLC of het bord naast de lijn. Aan het eind van de week wordt het overgetypt richting rapportage. Waar je dan op stuurt is een reconstructie, geen actueel beeld.

WhatsApp is het echte operationele systeem. Statusupdates, foto's van beschadigde onderdelen, de melding dat een lading binnen is. Bij een maritiem-logistieke organisatie komt informatie uit bepaalde havens structureel via een appgroep binnen en staat het pas een week later, handmatig gecorrigeerd, in het boekingssysteem. Mensen kiezen de snelste route die ze hebben, en dat is de app.

De oplossing hangt aan één persoon. Iemand heeft een slimme koppeling of een set scripts gebouwd, tegenwoordig vaak met AI-hulp, en dat draait op een pc die altijd aan moet blijven staan. Het werkt uitstekend, tot diegene vertrekt.

De order verliest zijn detail onderweg

Het tweede gat zit niet op de vloer maar ervoor. Wat verkoop afspreekt, komt zelden compleet aan bij werkvoorbereiding en productie. Afwijkende maatvoering, een toezegging over levertijd, een klantspecifieke uitvoering: het staat in een mailwisseling of in het hoofd van de accountmanager. De datakwaliteit hangt aan wie het invult, en de correctie gebeurt verderop in het proces, waar hij duurder is.

Standaard-ERP lost dat niet vanzelf op. De pakketten dekken de kern goed, maar de laatste twintig procent, de uitzonderingen die je bedrijf onderscheiden, past er zelden in. Dat is precies waar wordt teruggevallen op Excel.

Waar je wel begint

Niet bij een groot transformatieprogramma. Wat werkt is één proces end-to-end kloppend maken en dat aantoonbaar draaiend krijgen, waarna het volgende aan de beurt is. Een lichte schil om ERP en besturing heen, die de uitzonderingen opvangt zonder dat je de kern hoeft te vervangen. Bij Kobeon staat er binnen zes weken een werkend eerste deel, juist om dat ritme af te dwingen.

De volgorde blijft daarbij hetzelfde. Eerst het proces, dan de koppeling, dan pas AI. Automatiseren wat nu niet klopt, versnelt alleen de fout.

Wat volgt

De komende weken werken we drie onderdelen uit die in vrijwel elk gesprek terugkomen: machinedata die de stuurinformatie niet haalt, de overdracht van order naar werkvloer, en voorraad en onderdelen die buiten het systeem om gaan.