Siemens Intelligence Center X: Maak processen intelligent

Elke AI-discussie in de industrie draait momenteel om dezelfde ongemakkelijke vraag: we hebben geïnvesteerd, we hebben pilots gedraaid, we hebben demo's gegeven, dus waar is de waarde? Tijdens Realize LIVE 2026 gaf Siemens het antwoord. Het heet Intelligence Center X (ICX) en voor iedereen die op Mendix bouwt, is dit het moment waarop het platform een nieuwe rol aanneemt: van low-code ontwikkelplatform naar het agent-gestuurde hart van de industriële AI-strategie van Siemens.

‍

Van visie naar product: Realize LIVE 2026

Siemens CEO Roland Busch heeft in 2026 op elk groot podium dezelfde consistente boodschap verkondigd: industriële AI verlaat het laboratorium. Siemens levert, in zijn woorden, "AI-native mogelijkheden, intelligentie die end-to-end is ingebed in ontwerp, engineering en operaties". Geen AI als een extra assistent, maar intelligentie die verweven is in de manier waarop producten worden ontworpen, gebouwd en beheerd.

Tijdens Realize LIVE Americas 2026 in Detroit (1-4 juni) werd die boodschap een product. Voor ongeveer 3.000 gebruikers en partners kondigde Tony Hemmelgarn, President en CEO van Siemens Digital Industries Software, het volgende aan: Intelligence Center X: software voor de orkestratie van industriële AI, ontworpen om AI te transformeren van geïsoleerde experimenten naar schaalbare, beheerste zakelijke impact, met het Mendix-platform als kern.

Een paar weken later, tijdens Realize LIVE EMEA in Amsterdam, was het onderwerp niet te vermijden. Of de sessie nu ging over Teamcenter, Opcenter, simulatie of Mendix zelf, elk gesprek kwam steeds weer terug op dezelfde vraag: hoe maken we onze processen intelligent, veilig, op schaal en met bewijs dat het werkt?

‍

Het echte probleem: vier hiaten tussen AI-ambitie en AI-waarde

Waarom een nieuw "Center" naast Teamcenter X, Simcenter X en Opcenter X? Omdat AI-initiatieven in alle sectoren op dezelfde vier punten blijven steken.

‍

Gat #1 – Software-agents zijn kwetsbaar

Agent-gestuurde AI is juist zo krachtig omdat het autonoom handelt, en dat is ook het risico. Een agent die bedrijfsgegevens leest en acties uitvoert, kan worden misleid door verouderde gegevens, gemanipuleerde invoer of ambigue instructies. Hemmelgarn citeerde in Detroit de CEO van een klant: "Het laatste wat ik in mijn organisatie nodig heb, is dat AI een SharePoint-locatie van 20 jaar oud opzoekt en daarop vertrouwt." Een agent die zelfverzekerd handelt op basis van onbetrouwbare gegevens is geen automatisering; het is een aansprakelijkheid.

‍

Gat #2 – Schaduw-AI en beperkt toezicht

Teams wachten niet op IT. Engineers koppelen hun eigen copilots, afdelingen nemen abonnementen op specifieke oplossingen en iemand bij kwaliteitscontrole draait al een model dat niemand heeft goedgekeurd. Het schaduw-IT-probleem uit het begin van het cloud-tijdperk herhaalt zich met AI, sneller en met grotere belangen. Het resultaat: onbeheerde agents die IT niet kan zien, beveiligen of uitschakelen.

‍

Kloof #3 – Workflows en agents hebben geen audittrail

Wanneer een mens een wijziging goedkeurt, legt PLM vast wie, wanneer en waarom. Wanneer een AI-agent aanbeveelt om kosten te absorberen in plaats van een onderdeel opnieuw te ontwerpen, wie heeft dat dan goedgekeurd? Op basis van welke gegevens? Onder welk beleid? De meeste AI-experimenten kunnen deze vragen niet beantwoorden, en voor gereguleerde sectoren is dat een diskwalificatie.

‍

Kloof #4 – Gefragmenteerd overzicht over de gehele portfolio

Zelfs organisaties met succesvolle AI-toepassingen kunnen deze meestal niet als geheel overzien. Eén model in de productie, één agent in de toeleveringsketen, een copilot in de engineering; elk met zijn eigen dataverbinding, eigenaar en definitie van succes. Er is geen centrale plek om te zien welke agents er bestaan, wat ze mogen doen en wat ze opleveren.

‍

Hoe Intelligence Center X de hiaten dicht: vier onderdelen, één vertrouwenslaag

Intelligence Center X behandelt deze hiaten als één architecturaal probleem en brengt vier mogelijkheden samen op een enkel, beheerd fundament. En als u Mendix kent, kent u de helft van de stack al.

‍

1. Kennisgraaf met Graph Studio

Graph Studio bouwt de enterprise-kennisgraaf: het verbindt gegevens uit engineering, productie, toeleveringsketen en service, en zet een ontologie daartussen op – een levend semantisch model dat elk datapunt betekenis en relaties geeft. Kant-en-klare industriële ontologieën zorgen voor een snelle start. Deze contextlaag dicht Kloof #1: agents redeneren op basis van verbonden, actuele en betrouwbare gegevens in plaats van verouderde kopieën in datameren.

2. Machine learning met AI Studio

AI Studio is de plek waar data scientists en engineers machine learning-modellen bouwen, trainen en beheren, direct gebaseerd op de gegevens die door de kennisgraaf in context zijn geplaatst. In plaats van gegevens te exporteren naar weer een geïsoleerde ML-omgeving, maken modellen native verbinding met de beheerde graaf, waardoor voorspellingen dezelfde context en herkomst erven als de gegevens waarop ze zijn getraind.

3. Agent-ontwikkeling met Mendix

Dit is waar intelligentie actiegericht wordt en waar Mendix uitblinkt. Teams bouwen de applicaties en AI-agents die inzichten omzetten in actie: apps met menselijke tussenkomst op de werkvloer, autonome agents voor routinematige beslissingen en alles daartussenin. Agents worden gemodelleerd, van versies voorzien en uitgerold als elk ander Mendix-artefact, zichtbaar voor IT en vanaf dag één beheerd. Dat is het structurele antwoord op schaduw-AI (Kloof #2); een goedgekeurde, productieve plek om agents te bouwen wint het altijd van een verbod. En voor bestaande Mendix-landschappen is de integratie in de ICX-tooling verfrissend eenvoudig. Uw apps, modules en DevOps-pipelines maken verbinding met de context van Graph Studio en de modellen van AI Studio via standaardconnectoren en het Model Context Protocol (MCP), zonder dat een ingrijpende migratie nodig is.

‍

4. Procesorkestratie met Mendix Workflows

Individuele agents creëren taken, georkestreerde agents creëren waarde. Mendix Workflows coördineert mensen en agents in end-to-end bedrijfsprocessen: een agent detecteert een afwijking, een workflow stuurt de bevinding door, een mens keurt de actie goed en een agent voert deze uit. Elke stap maakt deel uit van één traceerbare procesdefinitie, en dat is precies wat AI verandert van een zijproject in een operationeel model.

Het fundament: een enterprise trust-laag. Alles hierboven draait op een gedeelde trust-laag die antwoord geeft op de hiaten #3 en #4 en het systeem geschikt maakt voor de onderneming. Het biedt:

• kaders die definiëren wat agents en mensen mogen doen en wanneer een mens moet ingrijpen
• traceerbaarheid door end-to-end logging van elke actie, zodat elke beslissing een eigenaar, een tijdstempel en een data-herkomst heeft
• beveiliging gebouwd op een platform dat is getest door middel van penetratietesten, met een geharde runtime en real-time detectie van afwijkingen
• kant-en-klare governance met beleid, geïntegreerde DevOps, Identity & Access Management en het Control Center als centraal overzicht voor de gehele portfolio

‍

Het bewijs dat het werkt: Vivix

Dit is geen theorie. Vivix Vidros Planos, de grootste fabrikant van vlakglas in Brazilië, bouwde zijn paradepaardje "Smart Furnace Monitoring", waarbij toezicht wordt gehouden op een oven van 120 miljoen dollar, op basis van bijna 30 Mendix-applicaties die OT- en IT-data koppelen via SAP S/4HANA, Siemens Industrial Edge en Snowflake. Daarbovenop draait hun AI-gestuurde Virtual Engineer: een assistent die product-, productie- en procesgegevens verzamelt en kwaliteit- en productieteams gerichte suggesties geeft, zodat ze proactief in plaats van reactief handelen. Het is gebouwd op Mendix met Amazon Bedrock en Claude van Anthropic.

De resultaten maakten een einde aan de discussie over het blijven hangen in pilots: een reductie van 85 procent in de tijd voor het oplossen van productieproblemen, 6.000 uur aan handmatig werk teruggewonnen in één jaar, de afhandeling van klantklachten teruggebracht van vijf dagen naar minder dan één, en tot 4x snellere afhandeling bij kwaliteitsgerelateerde onderzoeken, bekroond met een Siemens Techcellence Award en een AWS GenAI Gamechanger award. Mendix is de laag die intelligentie bruikbaar maakt en verbonden data en modellen omzet in applicaties die mensen dagelijks gebruiken.

Mendix 11.12: de eerste LTS-release klaar voor agent-gebaseerde productie

Aangekondigd rondom Realize LIVE EMEA, Mendix 11.12 maakt de belofte van agents werkelijkheid voor productieomgevingen. Het is namelijk de eerste Long-Term Support (LTS)-versie van Mendix 11, en de eerste LTS sinds 10.24. Dat is belangrijker dan welke individuele functie dan ook.

De best practice van Mendix is duidelijk: productie-applicaties horen thuis op LTS-versies, waar je beschikt over een stabiele, langdurig ondersteunde basis in plaats van dat je maandelijkse releases moet bijhouden. Tot nu toe moesten teams die de agent-mogelijkheden van Mendix wilden gebruiken, bouwen op een bewegende ondergrond. Met 11.12 is agent-ontwikkeling voor het eerst van LTS-niveau. Dit betekent dat je agents kunt bouwen en in productie kunt nemen volgens dezelfde release-discipline die je al hanteert voor je bedrijfskritische applicaties. De release bevat ook de Agents Kit 2.0 met de Agent Editor in Studio Pro, ingebouwde MCP-server- en clientcomponenten, aanzienlijke prestatiewinst (25–40% sneller laden van projecten, tot 6x snellere foutcontrole, tot 8x snellere lokale deployments) en geïntegreerde Mendix-workflows binnen Teamcenter Active Workspace.

‍

Hoogtepunt van Mendix 11.12: Maia

De belangrijkste reden waarom 11.12 aanvoelt als een grote stap vooruit, is Maia, de AI-assistent van Mendix, die nu volledig is verweven met de ontwikkelingscyclus.

Beschrijf de oplossing en Maia helpt bij het bouwen ervan. Je begint vanuit je intentie in plaats van vanaf een leeg canvas: je legt uit wat de oplossing moet doen (het proces, de data, het resultaat) en Maia genereert de bijbehorende structuur. Maia Plan zet dit om in epics en user stories (die direct in je Jira-backlog stromen), en Maia Make begint met het implementeren van het afgebakende werk in Studio Pro. Jij geeft de richting aan; Maia doet het voorbereidende werk.

De waarde van Maia is niet een eenmalige dump van code. Het werkt tijdens het bouwen met je samen, ondersteunt actief je eigen ontwikkeling, suggereert de volgende stap, vult repetitieve onderdelen in en signaleert hiaten, terwijl jij de controle over het ontwerp behoudt. Het gedraagt zich als een bekwame pair-programmer die nooit moe wordt van het routinewerk.

Bovendien maakt low-code de output controleerbaar. Wat Maia produceert is een Mendix-model, geen duizenden regels ruwe code, en een model is veel makkelijker te lezen, te beoordelen en te begrijpen dan handgeschreven code. Je ziet in één oogopslag de microflow, de pagina, de workflow en het datamodel en kunt direct beoordelen of het klopt. Dit is ook het kernvoordeel van low-code in het AI-tijdperk: AI stelt bedrijven in staat om snel te schakelen, terwijl het voor mensen mogelijk blijft om het resultaat zinvol te verifiëren. Snelheid zonder een black box.

Een persoonlijke noot over live demo's. Het heeft mijn eigen ervaring veranderd. Vroeger betekende een live demo dat ik tegelijkertijd moest coderen, uitleggen en hopen dat er niets kapot zou gaan. Nu bereid ik user stories van tevoren voor, voer ze tijdens de demo uit en leid ik het publiek rustig door elke taak en het resultaat. De demo veranderde van een koorddansact in een gesprek, van presteren onder druk naar uitleggen met zelfvertrouwen.

‍

Mendix als MCP-server voor andere tools

Maia is de ingebouwde weg, maar niet de enige. Omdat 11.12 wordt geleverd met MCP-ondersteuning, kan een Mendix-applicatie fungeren als een MCP-server, waarbij de logica, data en workflows worden blootgesteld als tools die andere AI-clients kunnen aanroepen. Je zit niet vast aan één assistent: je beheerde Mendix-mogelijkheden kunnen worden gebruikt door een andere agent of tool naar keuze, terwijl ze nog steeds achter de ICX-vertrouwenslaag draaien. Dit is precies het verschil tussen een AI-functie en een open, interoperabel AI-platform.

‍

AI-agents integreren en orkestreren met Mendix

Diezelfde openheid werkt ook de andere kant op. Mendix stelt niet alleen tools beschikbaar, maar integreert ze ook; met de MCP-client haal je externe AI-agents en -services direct naar je applicaties. Zo combineer je de beste agents van verschillende aanbieders en doe je wat er echt toe doet: ze orkestreren met Mendix Workflows. In plaats van een losse verzameling agents die elk voor zich werken, krijg je gecoördineerde processen met menselijke tussenkomst. Mendix bepaalt welke agent wanneer wordt ingezet, regelt de overdracht tussen mens en machine en houdt elke actie binnen een beheerde, controleerbare vertrouwenslaag. Mendix fungeert als de dirigent van je hybride personeelsbestand, niet slechts als een extra instrument.

‍

Persoonlijke conclusie

Intelligence Center X is wat mij betreft een ijzersterk concept: het verbindt data uit uiteenlopende systemen en maakt deze bruikbaar voor tal van scenario's, met AI voorop. Binnen dat concept is Mendix de cruciale speler. De combinatie van agent-gebaseerde ontwikkeling en low-code maakt het verschil. Hiermee bouw je snel AI-gedreven oplossingen, terwijl je tegelijkertijd controleert, beheert en vertrouwt op wat je hebt gemaakt. Die balans tussen snelheid en betrouwbaarheid is precies wat bedrijfssoftware nodig heeft, en het maakt Mendix tot een sterke partner voor betrouwbare, efficiënte softwareoplossingen in het tijdperk van industriële AI.