Platform over productie- en procesautomatisering
Tijdens de afgelopen Maintenance-beurs nam BEMAS naar goede gewoonte het woensdagavondprogramma over met zijn awardshow om best practices uit de wereld van onderhoud in de kijker te zetten. Voorafgaand aan de bekendmaking werden de deelnemers getrakteerd op de inzichten van Peter Van Hees in verband met AI-agents in onderhoud. Industrial Automation zat op de tweede rij en verpakt deze voor jou in dit artikel.
Maintenance staat op een kantelpunt. Sensoren meten alles. CMMS- en EAM-systemen zitten vol data. Predictive maintenance groeit snel. We hebben Software 2.0 omarmd, algoritmes die patronen herkennen in trillingsdata en RUL berekenen. En toch blijft de druk stijgen: meer complexiteit, hogere beschikbaarheidseisen, krapte op de arbeidsmarkt en een toenemende administratieve last. Wat als de volgende sprong niet zit in nóg betere voorspellingen, maar in systemen die zélf doelen begrijpen, acties plannen en workflows uitvoeren? AI-agents brengen ons van dashboards naar digitale collega’s. Van signalen naar beslissingen. Van voorspellen naar proactief handelen. Maar hoe zijn we hier geraakt en wat zijn de volgende stappen?
Laat ons beginnen met een misverstand. AI is niets nieuws. Het heeft hier met zijn zeventig jaar de pensioengerechtigde leeftijd al bereikt. Maar om de toepassingen die we vandaag in onderhoud zien verschijnen mogelijk te maken, moest het wel een leercurve ondergaan. Nu staan we aan het einde van de mobile-firstgolf. Apps, dashboards en losse tools zijn uitgegroeid tot geweldige instrumenten, maar de mens staat nog altijd centraal. We zijn de middleware om alles samen te brengen. Veel verder kunnen we hier echter niet in gaan. Hoe Van Hees dat weet? De nieuwe iPhone brengt nog weinig nieuwe functionaliteiten, enkel een hoger prijskaartje. Digital 4.0 introduceert iets fundamenteel anders: in plaats van mobile-first belanden we in het tijdperk van agent-first. Niet wachten tot iemand klikt, maar systemen die anticiperen.
De meest geavanceerde systemen kunnen vandaag falen voorspellen. We hebben het samengebracht onder de noemer predictive maintenance. AI-agents gaan verder: ze begrijpen doelstellingen zoals uptime, kostenefficiëntie of veiligheid, en ondernemen zelf actie. Ze plannen interventies, stemmen af met SAP of EAM, communiceren met leveranciers, genereren rapporten en leren bij uit feedback. Hier maken we de sprong van patroonherkenning naar cognitieve autonomie. In het hart van een agentic AI zitten large language models (LLM). Hun kracht? Waar het Chrome twee à drie jaar gekost heeft om zijn browser te bouwen, doen coding agents het nu in een week. Momenteel staan AI-agents helemaal bovenaan de hypecyclus van Gartner. Er wordt dan ook volop aan ‘agent washing’ gedaan. Maar om dat label te verdienen, moet hij autonoom en proactief zijn én een eigen geheugen hebben. Dat laatste is echt essentieel om continu te leren en te verbeteren. Waar ze volgende zomer zullen landen? Van Hees is ervan overtuigd dat ze al over de ‘Trough of Disillusionment’ zullen zijn gesprongen. Het gaat hard.
Verdwijnt de mens in dit verhaal? Neen, hij krijgt een nieuwe rol. Een van supervisie, validatie en strategische besluitvorming. AI-agents mogen dan al over superkrachten beschikken om waanzinnig veel data te verwerken, context te begrijpen en zichzelf voortdurend te verbeteren, maar de orkestratie blijft in handen van de mens. We evolueren van predictive maintenance naar agile maintenance, van inzichten naar actie, binnen de vangrails die je als organisatie zelf vastlegt. Wat dat concreet oplevert voor maintenance teams? Minder tijdverlies in administratie, betere allocatie van schaarse expertise en een verschuiving van uitvoeren naar orkestreren. Moeten we daar schrik voor hebben? Experts voorspellen dat er 92 miljoen jobs verloren zullen gaan tegen 2030. Van Hees voorspelt dat als je niets doet en nieuwe technologie niet omarmt, je bij die 92 miljoen zal zitten. Maar hij countert dat AI ook 170 miljoen nieuwe jobs zal creëren: machine learning managers, prompt interaction designers, synthetic data specialists … We hebben nog altijd mensen nodig voor kritisch denken, systeemdenken, ethisch redeneren en menselijk oordelen.
Maintenance hoeft geen achterblijver in AI te zijn. Integendeel. Door de combinatie van data, kritische assets en duidelijke KPI’s is dit een sector die de overstap naar agent-first sneller kan maken dan velen denken.
