Optimize Product Development with Teamcenter

Je kunt gerust zeggen dat het een interessante tijd is om in te leven.

Dit blog erkent de bredere wereldwijde uitdagingen waarmee de mensheid wordt geconfronteerd, maar zoomt in op het potentieel van GenAI in het hedendaagse bedrijfstechnologielandschap. Het biedt een gefundeerd perspectief over hoe je de hype kunt overstijgen en AI kunt gebruiken om de doelstellingen van je bedrijf zinvol te ondersteunen.

‍

Van ERP tot innovatie: het voorbeeld van de reis van een cookiebedrijf

Stel u voor, het is 2019 en uw bedrijf dat cookies verkoopt, heeft zojuist een migratie van SAP Business Suite naar SAP S/4HANA 'overleefd'. In de wetenschap dat je de beste cookies van Europa verkoopt, groeide het bedrijf uit tot een groot bedrijf met respect voor de eigen processen en manieren van werken. Een solide ERP-implementatie heeft je zeker geholpen om je te concentreren op wat je het beste weet: het produceren en verkopen van cookies.

Desalniettemin waren de regionale verschillen en 'verrukkelijke klantprocedures' die u een deel van uw succes hebben opgeleverd, sterk verbonden met uw kernimplementatie van SAP. Het team van ABAP- en Java-ontwikkelaars heeft meer dan anderhalf jaar besteed aan het migreren van de aangepaste bedrijfslogica van de vorige SAP-versie naar de nieuwe. Nieuwe zakelijke aanvragen werden meestal opgeschort, omdat ze de tijdlijn zouden verstoren.

Of ging het anders?

‍

Opgeslagen vanuit Slowdown

Gelukkig is Gartner er vooral om ons te helpen de juiste koers te bepalen. Dat deden ze ook in 2016, waarbij ze pleitten voor concepten als „keep your core clean”. Dit idee werd omarmd door softwareleveranciers voor grote ondernemingen, zoals SAP, die uitbreidingsopties begonnen aan te bieden buiten hun kernsystemen, en sindsdien zelfs samenwerkten met Mendix als hun favoriete low-code-platform 2017.

Jouw bedrijf heeft niet alleen deze trend gevolgd. Het heeft het omarmd. Een partner bleek de meeste ERP-aanpassingen om te zetten in afzonderlijke, niet-geïsoleerde 'systemen van differentiatie en innovatie'. Voormalige ABAP-ontwikkelaars zijn overgestapt naar Mendix-consultants. En dankzij je diepe Microsoft-ecosysteem ontstonden er al snel burgerontwikkelaars in de hele organisatie. Omdat Power Apps standaard beschikbaar was voor alle werknemers, bleef de onvermijdelijke opkomst van moderne schaduw-IT niet ver achter (waarover ik zelf een boek zou kunnen schrijven).

Ondanks deze groeipijnen werden de voordelen duidelijk. ERP-updates werden niet langer geblokkeerd door verstrengeling van aangepaste code. Afdelingen begonnen elkaars digitale initiatieven en de snelheid waarmee ze werden uitgevoerd, op te merken.

Je CIO was ook tevreden. Een goed gedefinieerd bestuursmodel zorgde ervoor dat de apps die werden gebouwd niet alleen nuttig en intuïtief waren, maar ook veilig. Je begon de basis te leggen voor een moderne data-architectuur, inclusief een gedeelde catalogus van primaire data. En naarmate meer van uw onderscheidende processen overgingen op low-code apps, zou u hun gegevenssourcing geleidelijk kunnen overzetten van ERP naar een gecentraliseerd dataplatform.

Het resultaat? Low-code-teams hadden nu op consistente, vereenvoudigde manieren toegang tot gegevens van verschillende systemen, zonder dat ze diepgaande kennis van die back-endplatforms nodig hadden. Ze zouden meer tijd kunnen besteden aan het oplossen van echte problemen en minder tijd kunnen besteden aan het omgaan met technische complexiteit.

Zo ziet een composteerbare onderneming er in veel opzichten uit. Nogmaals bedankt, Gartner!

‍

Wacht... Ging dit niet over AI?

Laten we, voordat we daar op ingaan, benadrukken wat uw cookiebedrijf nu leuk vindt: kleine teams en duidelijkheid in een complexe wereld.

Als Mendix Consultant had ik het voorrecht om met veel verschillende klanten van alle groottes en leeftijden te werken. Een ding dat tot nu toe in mijn ervaring opviel, is dat projecten die integreerden met grote systemen zoals ERP of CRM, vergeleken met projecten waar al een integratie- en/of dataplatform bestond, vaak het volgende vereisten:

• Grotere teams
• Langere leveringscycli
• Bredere kennis over de interne werking van die systemen en procedures

Waarom? Omdat verantwoordelijkheden niet voldoende geïsoleerd konden worden. Dit introduceert de behoefte aan meer mensen om de bredere zakelijke en technische context te begrijpen. En in een steeds complexere wereld is dit je echte uitdaging.

‍

AI is standaard modulair

Ik ben erg blij om te zien dat de meeste 'GeNai magic' die we in productie zien, standaard modulair is of kan zijn. Vooral met AI van het agentschap, wat een echte doorbraak is gebleken, deel je het op in:

• Een centrale bouwsteen van een agentschap die 'begrijpt' welke tools ze kunnen gebruiken en welke bronnen ze kunnen raadplegen
• Een LLM (Large Language Model) ter ondersteuning van de besluitvorming, redenering en orkestratie
• Een geheugen in de vorm van een mechanisme en een datastore om eerdere vragen en antwoorden op te slaan
• Goed gedefinieerde, vooraf geconfigureerde en geparametriseerde aanwijzingen voor duidelijke instructiepaden

Om een misverstand uit de weg te ruimen: de tools die beweren dat hun AI voor jou persoonlijk is getraind, verhogen de waarde enigszins. De eerlijkere verklaring is dat deze tools goed zijn in het traceren van historische vragen en antwoorden, en deze historische interacties op een slimme manier aan je 'nieuwe' prompt geven wanneer dat nodig is.

Het goede nieuws is dat het voor de meeste toepassingen heel goed mogelijk is om dit zelf te bouwen, met als voordeel dat je de volledige controle hebt. En met Mendix, je hebt al de basislaag om aan de slag te gaan.

‍

Wat „" Being in Control "” eigenlijk betekent”

Controle is niet binair, maar contextueel. Wat essentieel is voor uw bedrijf kan verschillen van geval tot geval en vergeleken met andere bedrijven. Dit zijn de belangrijkste controlegebieden waarmee u rekening moet houden:

1. LLM-keuze

Met de meeste kant-en-klare tools kun je geen favoriete LLM kiezen. Dit hoeft niet per se een probleem te zijn (omdat het een kwestie van eenvoud is), maar wel wanneer je controle wilt hebben over welke gegevens je met welke partij deelt. Bovendien kiezen tools misschien niet de allerbeste LLM op de markt om uw gebruiksscenario te ondersteunen, wat in het huidige klimaat van week tot week kan veranderen.

2. Locatie van de gegevens

Nauw gerelateerd aan de LLM-keuze, worden verschillende LLM's of tools alleen gehost in de VS of andere delen van de wereld. Hoewel steeds meer leveranciers pure EU-implementaties aanbieden, heb je misschien volledige controle nodig over waar je gegevens worden opgeslagen en of je LLM wordt beheerd door een commerciële partij of door een bedrijf waarmee verregaande afspraken kunnen worden gemaakt.

3. Distributie van tokens

De meeste AI-tools bieden specifieke functionaliteit voor een maandelijks bedrag per persoon. Dit kan leiden tot aanzienlijke maandelijkse investeringen, vooral in grote bedrijven, terwijl misschien niet alle werknemers de tools ten volle benutten. Hier is het handig wanneer u LLM-tokens voor het hele bedrijf kunt toewijzen en het gebruik ervan over afdelingen kunt verdelen. Zo kunt u de financiële impact effectiever volgen en de verwachte businesscase gedetailleerd evalueren.

4. LLM-monitoring

Iedereen die ooit een van de chatinterfaces van de grote LLM-bedrijven heeft gebruikt, weet dat modellen kunnen hallucineren en kunnen gaan afdwalen. Wanneer u de controle hebt over de afzonderlijke modules die uw oplossing vormen, kunt u de effectiviteit van uw oplossing op een gedetailleerde manier controleren. Bijvoorbeeld Datadog stelt u in staat om alle vragen en antwoorden te controleren en de kwaliteit, het tokengebruik en de afwijkingen op een geautomatiseerde manier te analyseren.

5. Kennis

Af en toe hoor je iemand zeggen: 'elk bedrijf wordt een IT-bedrijf'. Aangezien hierover zeker kan worden gedebatteerd, is er een soortgelijk gezegde voor het gebruik van AI in uw bedrijf. Alle kennis die je opdoet over de interne werking zal je helpen om weloverwogen beslissingen te nemen in de toekomst met minder afhankelijkheid van een toenemend aantal externe partijen.

‍

Het dilemma tussen kopen en bouwen

Als je erover begint na te denken om zelf iets te bouwen, laten we realistisch zijn: het is morgen niet productieklaar. Maar het zou bijvoorbeeld volgende maand kunnen zijn. En in de huidige economie van snelheid moeten we het dilemma tussen kopen en bouwen erkennen.

AI-tools kopen kan verleidelijk zijn. Ze beloven een snelle start, leveranciersondersteuning, gegevensprivacy (als je geluk hebt) en soms zelfs regionale hosting. Voor ongeveer €20 per gebruiker ga je naar de races en voor een extra 'enterprise fee' krijg je ook SSO-ondersteuning. De tool gebruikt waarschijnlijk de meest betaalbare of efficiënte LLM achter de schermen en verzekert je dat je gegevens niet worden gebruikt om hun modellen te trainen.

Klinkt goed, toch?

Maar hier beginnen de kleine lettertjes. Deze tools hebben vaak beperkte zichtbaarheid, weinig ruimte voor aanpassingen en zeer weinig hefbomen om de eigenlijke onderliggende technologie te besturen. Wanneer de tokenprijzen dalen of er een goedkopere LLM beschikbaar komt, gaat het voordeel meestal naar de leverancier, niet naar u. En net als u erop begint te vertrouwen, kunnen ze de prijzen verhogen of het product stilletjes helemaal onderbreken.

Eenhoorns moeten ergens beginnen, maar veel van deze tools bestaan nog maar een paar maanden en worden beheerd door hele kleine teams. Dit is op zijn minst de moeite waard om in de vergelijking op te nemen.

Dus, wat is het alternatief?

‍

De pragmatische routekaart

Laten we dit alles tot slot vertalen in een praktische, realistische routekaart, die geschikt is voor bedrijven van elke omvang. De kernboodschap is eenvoudig: begin klein, leer snel en evalueer voortdurend de beste manier van handelen, altijd met een langetermijnstrategie in het achterhoofd. Net zoals we dat doen voor onze klanten die Mendix gebruiken.

Stap 1: Experimenteer en blijf op de hoogte

Laat je medewerkers experimenteren met tools die ze vinden. Omdat er elke dag nieuwe tools verschijnen, is het onmogelijk om dit bij te houden met een gecentraliseerde afdeling. Daarnaast zullen uw werknemers ze waarschijnlijk toch gebruiken. Mensen informeren over veilig gebruik (experimenteren zonder gevoelige gegevens te delen) en enthousiaste mensen in staat stellen hun tools binnen het bedrijf te promoten. Dit is een uitgelezen kans om ook uw veiligheidsbeleid en -educatie in het algemeen bij te schaven.

Stap 2: Stel een Buy-vS-Build-besluitvormingsproces op

Zorg voor een goed intern proces zodat werknemers use-cases of tools kunnen indienen en andere werknemers over deze use-cases kunnen laten stemmen (als de grootte van uw bedrijf dit vereist). Probeer dit te integreren in het algemene software-inkoopproces, maar probeer knelpunten te vermijden die geautomatiseerd of vooraf kunnen worden opgelost. Gebruik een beslisboom voor uw bedrijf om te kiezen tussen het kopen of bouwen van de AI-oplossing.

Stap 3: Omarm platformdenken

Zoals beschreven in dit artikel is de modulaire aanpak van (agentische) AI beschikbaar en uitvoerbaar. Het is zelfs nog waarschijnlijker dat de meeste componenten al aanwezig zijn. Gebruik de allereerste use case (oké, misschien de tweede) om te beginnen met het itereren van je benadering van 'embedded AI' in het softwarelandschap van je bedrijf. Met duidelijk eigenaarschap, scheiding van zorgen en solide bestuur. Net als bij andere technologieën die het bedrijf vandaag ondersteunen. Je kunt het; als je hulp nodig hebt, helpt een partner je graag.

‍

Agentic AI is er. Ga het maken.

Het potentieel van Agentic AI valt niet te ontkennen, en wat mij het meest boeit, is hoeveel controle organisaties kunnen uitoefenen zonder onnodige complexiteit toe te voegen. We beginnen niet vanaf nul; we bouwen voort op decennia van technologische vooruitgang, waaronder de opkomst van configureerbare bedrijfsarchitecturen en het essentiële onderscheid tussen registratiesystemen en systemen van differentiatie en innovatie.

Door deze bredere lens gezien hoeft AI geen kwetsbare afhankelijkheid te worden. In plaats daarvan kan het een krachtige enabler zijn, als u de juiste tools en de juiste partners kiest om u te begeleiden.

Agentic AI is er al, en zinvolle vragen stellen over je eigen data is niet langer hogere wiskunde.

Met Mendix kunt u dit potentieel op een duurzame, gecontroleerde en snelle manier benutten, terwijl u de vrijheid behoudt om u aan te passen en te kiezen wat het beste werkt voor uw bedrijf.

Niet alleen voor nu, maar ook voor de komende tien jaar.

‍

Oorspronkelijk gepubliceerd hier.

Elk jaar, Siemens Realize LIVE brengt fabrikanten, ingenieurs en technologieleiders samen om te onderzoeken waar de industrie naartoe gaat en hoe die toekomst in de praktijk vorm krijgt. Productupdates, roadmap-aankondigingen en technologische hoogtepunten tijdens sessies, klantverhalen en partnerdiscussies hebben dit jaar aangetoond dat productie niet langer draait om het optimaliseren van individuele technologieën. Het gaat om het verbinden van systemen, intelligentie en mensen tot één coherent geheel. Deze verschuiving is met name zichtbaar in hoe AI in de productie evolueert van geïsoleerde use cases naar verbonden, operationele systemen.

Deze verschuiving bouwt voort op een langdurige ambitie binnen de industrie om verbonden omgevingen te creëren waar gegevens naadloos stromen tussen PLM, ERP, MES en leveranciersnetwerken, wat de efficiëntie, zichtbaarheid en besluitvorming verbetert. De introductie van AI breidt dit landschap verder uit, niet alleen door het potentieel voor automatisering en inzicht te vergroten, maar ook door kritische vragen op te roepen over hoe deze mogelijkheden kunnen worden vertaald naar meetbare en schaalbare operationele waarde.

Hier zijn de 4+1 ideeën die bepalend waren voor Realize LIVE 2026 en wat ze betekenen voor de toekomst van de productie.

‍

1. AI wordt operationeel, niet experimenteel

Jarenlang is AI gepositioneerd als een krachtig hulpmiddel, dat individuen ondersteunt via copilots, voorspellingen en inzichten. Op Realize LIVE 2026 werd duidelijk dat deze fase evolueert naar uitvoering op schaal.

AI-use cases in de productie verschuiven van assistentie naar orkestratie binnen echte workflows. In plaats van geïsoleerd te reageren op prompts, wordt het ingebed in processen waar het beslissingen kan ondersteunen, systemen kan coördineren en activiteiten met meerdere stappen gedurende de hele levenscyclus kan automatiseren.

De introductie van Intelligence Center X signaleert deze overgang expliciet. Door bedrijfsgegevens, levenscycluscontext en workflows te verbinden in een gecontroleerde omgeving, kunnen organisaties AI-agenten inzetten naast mensen als onderdeel van een hybride personeelsbestand, en zo overstappen van geïsoleerde pilots naar uitvoering op productieniveau met traceerbaarheid en controle.

De vraag is niet langer of AI werkt. Het gaat erom hoe organisaties het inbedden in verbonden systemen en gestructureerde workflows, met de governance die nodig is om consistente, meetbare en schaalbare waarde te leveren.

‍

2. Verbonden systemen zijn belangrijker dan geïsoleerde innovatie

Ondanks voortdurende investeringen in digitale transformatie, staan veel fabrikanten nog steeds voor uitdagingen als het gaat om het opschalen van innovatie binnen de hele onderneming. Het onderliggende probleem is niet een gebrek aan technologie, maar een gebrek aan connectiviteit, met name over de integratielagen van PLM, ERP en MES die essentieel zijn om schaalbare AI in de productie mogelijk te maken.

Binnen organisaties blijven systemen gefragmenteerd, gegevens zijn verspreid over silo's en AI-initiatieven worden vaak geïntroduceerd als geïsoleerde pilots. Hoewel deze inspanningen lokale verbeteringen opleveren, vertalen ze zich zelden in meetbare impact over de gehele productlevenscyclus.

In de maakindustrie zijn ontwerp, engineering, productie en service inherent onderling afhankelijk. Het optimaliseren van individuele componenten op zichzelf leidt daarom niet tot systemische verbetering. Het verbinden van bestaande systemen tot een samenhangende digitale draad doet dat wel.

Dit is precies wat onze CEO, Tim Claes, benadrukte in zijn keynote, waarbij hij deze uitdaging en kans schetste aan de hand van wat hij definieerde als de Heilige Drie-eenheid van de Maakindustrie:

• PLM als de ruggengraat voor productgegevens en de digitale draad
• Smart factory als de laag die IT en OT verbindt, waardoor zichtbaarheid en controle over alle operaties mogelijk wordt
• Low code en AI als de orkestratielaag die systemen, workflows en besluitvorming met elkaar verbindt

Individueel levert elk van deze domeinen waarde op. De echte impact ontstaat echter wanneer ze functioneren als onderdeel van een verbonden systeem. Dit wordt steeds meer de aanpak die fabrikanten hanteren om concurrerend en relevant te blijven in een snel evoluerende markt.

‍

3. Duurzaamheid wordt onderdeel van alledaagse engineering

Een ander sterk signaal van Realize LIVE was de verschuiving in hoe organisaties duurzaamheid in productie en compliance benaderen.

Regelgeving wordt strenger, met name in Europa, waar kaders zoals CSRD, REACH en opkomende vereisten zoals het Digitaal Productpaspoort organisaties dwingen gedetailleerd inzicht te geven in materialen, inkoop en milieu-impact over de gehele waardeketen. Tel daarbij op de druk waarmee specifieke industrieën zoals lucht- en ruimtevaart en defensie te maken hebben om hun marges te verbeteren, en de strengere compliance-eisen en groeiende verwachtingen van OEM's en partners, dan kan duurzaamheid niet langer een aparte rapportageactiviteit zijn, maar een factor die direct van invloed is op kosten, risico's en concurrentievermogen.

Tijdens zijn keynote, Gerrit Kiefer, onze Head of Solutions en Customer Success Management in Duitsland, demonstreerde hoe deze transitie in de praktijk al plaatsvindt. Samen met tec4U, liet hij zien hoe compliance en duurzaamheid direct in engineeringworkflows kunnen worden geïntegreerd, waardoor organisaties in staat zijn om:

• Regelgevende vereisten direct integreren in PLM- en ontwerpomgevingen
• Volledige traceerbaarheid van materialen, componenten en leveranciers gedurende de gehele productlevenscyclus waarborgen
• Handmatige inspanningen bij compliancerapportage verminderen door geautomatiseerde gegevensvastlegging en -validatie
• Risico's en compliance-lacunes eerder identificeren in de ontwerpfase, waar ze nog efficiënt kunnen worden aangepakt
• Kosten-, duurzaamheids- en engineeringbeslissingen op elkaar afstemmen door alle relevante gegevens beschikbaar te maken in één verbonden workflow
• De tijd tot compliance versnellen met behoud van controle en auditbaarheid over processen

‍

4. De opkomst van de orchestratielaag

Met de introductie van Intelligence Center X heeft Siemens duidelijk een strategische focus geformuleerd op het opzetten van een orchestratielaag die bedrijfsgegevens, workflows en AI-agenten verbindt tot een samenhangend en schaalbaar systeem. Een orchestratielaag fungeert als de architectonische component die data-orkestratie, workflowcoördinatie en AI-uitvoering over systemen heen mogelijk maakt.

De implicatie voor fabrikanten is aanzienlijk. De meesten hebben al zwaar geïnvesteerd in kernsystemen zoals PLM, ERP en MES. Dus in plaats van nieuwe systemen te bouwen, kunnen ze activeren en verbinden wat al bestaat.

Bij CLEVR, pleiten we al geruime tijd dat grootschalige 'rip and replace'-strategieën niet langer duurzaam, noch noodzakelijk zijn. Na verloop van tijd zijn engineeringlogica, domeinkennis en procesintelligentie diep ingebed geraakt in bestaande systemen. Het vervangen van deze fundamenten zou niet alleen risico's met zich meebrengen, maar ook waardevol intellectueel kapitaal weggooien.

In plaats daarvan kunnen fabrikanten een orchestratielaag introduceren bovenop hun huidige landschap, waardoor ze workflows kunnen verbinden, intelligentie kunnen inbedden en mogelijkheden kunnen uitbreiden zonder te verstoren wat al werkt.

‍

4+1. Technologie is klaar. Organisaties niet

Als er één ding is dat we veilig kunnen afleiden uit Realize LIVE 2026, dan is het dat de uitdaging niet langer technologisch is. Fabrikanten hebben vandaag de dag toegang tot geavanceerde PLM-platforms, verbonden fabriekssystemen, low-code omgevingen en steeds krachtigere AI-mogelijkheden. De bouwstenen voor transformatie zijn al aanwezig.

Toch stagneren veel AI-adoptie-initiatieven in de productie. Bij CLEVR zien we dit patroon dagelijks bij organisaties. Workflows die niet volledig begrepen of in kaart gebracht zijn, beslissingslogica die impliciet blijft, ongestructureerde data, of niet verbonden op een manier die betrouwbare, systeemoverkoepelende uitvoering mogelijk maakt.

Intelligentie inbedden in workflows vereist meer dan implementatie. Het vereist duidelijkheid over hoe beslissingen worden genomen, waar de verantwoordelijkheid ligt en hoe mensen en systemen met elkaar omgaan.

Dit betekent dat de volgende grens die moet worden aangepakt van organisatorische aard is. Fabrikanten moeten workflows ontwerpen die duidelijk gedefinieerd zijn, beslissingen die expliciet gestructureerd zijn, en governance-modellen die kunnen worden vertaald naar uitvoerbare logica. Alleen dan kunnen AI-agenten betrouwbaar functioneren, autonome beslissingen nemen binnen gedefinieerde grenzen, en schalen over de hele onderneming met consistentie en controle.

‍

5 acties die fabrikanten vandaag kunnen ondernemen

Ten eerste, moet de focus verschuiven van het toevoegen van meer tools naar het verbinden van bestaande tools. De meeste organisaties hebben de kernsystemen al in huis. De echte kans ligt in het koppelen ervan tot een coherente digitale draad doorheen ontwerp, engineering, productie en service.

Ten tweede, moeten AI-initiatieven verder gaan dan experimenteren. In plaats van geïsoleerde pilots moet de nadruk liggen op het inbedden van intelligentie in echte workflows waar het meetbare impact kan leveren. Dit vereist duidelijke governance, gedefinieerde beslissingsgrenzen en een sterke orkestratielaag.

Ten derde, moeten transformatiestrategieën pragmatischer worden. Grootschalige, meerjarige vervangingsprogramma's zijn steeds moeilijker te rechtvaardigen. Een 'leave and layer'-benadering stelt organisaties in staat om te beginnen met wat ze hebben, dit intelligent uit te breiden en stapsgewijs waarde te leveren.

Ten vierde, mogen duurzaamheid en compliance niet langer aan de zijlijn staan. Door deze vereisten direct te integreren in engineering- en productontwikkelingsprocessen, kunnen fabrikanten ze omzetten in een concurrentievoordeel in plaats van een beperking.

Tot slot, moeten organisaties opnieuw nadenken over hoe mensen en technologie samenwerken. Naarmate AI wordt ingebed in de bedrijfsvoering, zullen nieuwe rollen, verantwoordelijkheden en manieren van werken ontstaan. Dit bewust ontwerpen is cruciaal voor het succes van de transformatie.

Denk groot met een duidelijke visie voor uw organisatie, begin klein met één workflow die onmiddellijke waarde levert, en schaal snel zodra de aanpak effectief blijkt.

‍

Kortere ontwerpprocessen, geautomatiseerde engineeringworkflows en een minimum aan handmatig werk. Het zijn de logische vervolgstappen in de digitalisering van de maakindustrie. Door data, systemen en processen slim te verbinden, stijgen de efficiëntie en de kwaliteit van de besluitvorming. Met de komst van AI in de fabriek wordt die belofte nu exponentieel versterkt.

In een verbonden productie-ecosysteem, waar gegevens stromen tussen PLM, ERP, MES en leveranciersnetwerken, heeft AI het potentieel om deze gegevens te gebruiken om niet alleen taken, maar ook beslissingen te automatiseren. Kosten optimaliseren, de CO2-voetafdruk in de productie verminderen en operationele gegevens van context voorzien, zijn slechts enkele manieren waarop AI een nieuw niveau van inzicht mogelijk maakt binnen het Siemens Teamcenter-ecosysteem. Een enorme kans voor een sector die lange tijd heeft geworsteld met gefragmenteerde gegevens en beperkt inzicht.

Dit roept een belangrijke vraag op voor fabrikanten: Waar bevindt enablement-software zich binnen dit spectrum, en hoe voorbereid zijn organisaties om naar deze toekomst toe te bewegen?

‍

AI-copilots in software voor product cost management

Siemens zet al actieve stappen richting deze autonome toekomst door copilots te introduceren in zijn ecosysteem, waarbij product cost management een van de eerste gebieden is waar deze intelligentie direct van invloed is op de besluitvorming.

Hoewel nog in een pilotfase, laten deze copilots nu al zien hoe AI taken op het gebied van kostenengineering kan stroomlijnen door functies mogelijk te maken zoals geautomatiseerde onderdelenmatching, directe generatie van stuklijsten (Bill of Materials) en proceslijsten (Bill of Processes), en versnelde 'wat als'-scenario simulaties.

In plaats van tijd te besteden aan het bouwen en onderhouden van modellen, kunnen teams zich voortaan richten op het evalueren van scenario's, het vergelijken van alternatieven en het nemen van beslissingen. Complexe analyses die voorheen aanzienlijke handmatige inspanning vereisten, kunnen nu sneller en met grotere consistentie worden uitgevoerd.

Voor organisaties betekent dit:

• Snellere evaluatie van ontwerp- en inkoopopties

• Minder afhankelijkheid van handmatige gegevensvoorbereiding  

• Consistentere en betrouwbaardere kostenmodellen  

• De mogelijkheid om meer scenario's in minder tijd te verkennen

‍

AI-ready productiegegevens opbouwen voor product cost management en duurzaamheid

Voor productieorganisaties is een solide basis cruciaal. Om AI veilig te kunnen operationaliseren, moeten bedrijven eerst hun gegevens operationaliseren. Ongestructureerde gegevens leiden tot gefragmenteerde workflows, en gefragmenteerde workflows zijn een van de belangrijkste redenen waarom AI-initiatieven niet verder komen dan de pilotfase. Hier zet Siemens een volgende belangrijke stap. Door de manier waarop bedrijfsgegevens worden opgeslagen en gestructureerd te verbeteren, versterkt het de onderliggende basis die nodig is om die mogelijkheden op schaal effectief te maken.

1. Cloud voor schaalbaar AI-gestuurd product cost management

Naarmate AI evolueert naar meer autonome en agent-gestuurde workflows, hebben organisaties platforms nodig die schaalbaar, verbonden en continu geüpdatet zijn. Cloudomgevingen bieden die basis en daarom is de mogelijkheid om bedrijfsomgevingen naar de cloud te migreren een essentieel element.

Met de nieuwste verbeteringen in Teamcenter Product Cost Management kunnen bestaande gebruikers hun waardevolle plugins en aangepaste kostenoverzichten naar de cloudomgeving brengen zonder de functionaliteit te verliezen waar ze van afhankelijk zijn. Dit stelt organisaties in staat om een grotere schaalbaarheid te bereiken, innovatiecycli te versnellen en operationele overhead te verminderen, terwijl ze een betrouwbare basis leggen voor geavanceerde analyses en AI-gestuurde beslissingsondersteuning op schaal.

2. Gebruikerservaring voor snellere kosten- en duurzaamheidsbeslissingen

Een gemoderniseerde gebruikersinterface vermindert frictie in dagelijkse workflows en verbetert de toegang tot relevante gegevens. In plaats van door complexe systemen te navigeren, kunnen gebruikers nu gemakkelijker de informatie vinden, interpreteren en ernaar handelen die ze nodig hebben. Verbeterde navigatie, gereorganiseerde lay-outs en intuïtievere toegang tot kernfunctionaliteiten zijn enkele voorbeelden van dergelijke verbeteringen, terwijl verbeterde zoekmogelijkheden en duidelijkere datavisualisatie teams in staat stellen efficiënter te focussen op het evalueren van kostendrijvers, het vergelijken van scenario's en het ondersteunen van beslissingen.  

3. API's en dataklaarheid voor productie-intelligentie

Tot slot heeft Siemens belangrijke stappen gezet om verder te optimaliseren hoe systemen gegevens interpreteren en inzichten genereren, zodat bedrijfskennis niet alleen beschikbaar is, maar ook gestructureerd, verbonden en toegankelijk is, op een manier die geavanceerde analyses en schaalbare AI-gestuurde toepassingen mogelijk maakt.

Verbeterde rekenmogelijkheden en REST API -extensies maken automatisering, integratie met externe systemen en geavanceerdere rapportage en analyses mogelijk.

Verbeteringen in datamodellen, KPI-flexibiliteit en inzicht in productiekosten bieden een gedetailleerder en nauwkeuriger beeld van kostendrijvers en winstgevendheid.

‍

Hoe CLEVR software voor product cost management en AI in de maakindustrie mogelijk maakt

Technologie alleen creëert geen intelligentie. Organisaties moeten nog steeds bepalen waar beslissingen worden genomen, welke gegevens deze moeten onderbouwen en hoe inzichten kunnen worden geïntegreerd in de dagelijkse bedrijfsvoering. Dit begint met het structureren van gegevens op een consistente en schaalbare manier, en ervoor zorgen dat product-, kosten- en operationele informatie gestandaardiseerd wordt over systemen heen.  

Van daaruit kunnen workflows worden geautomatiseerd om bedrijfsregels, engineeringlogica en financiële modellen direct in processen te integreren, een basis waarop AI-modellen effectief kunnen voortbouwen, lerend van betrouwbare gegevens en inzichten leveren die nauwkeurig, bruikbaar en afgestemd zijn op de manier waarop de organisatie opereert.

Bij CLEVR, combineren we diepgaande branche-expertise met een team van specialisten in geavanceerde softwareoplossingen om fabrikanten te helpen deze mogelijkheden om te zetten in meetbare resultaten. Met meer dan 30 jaar ervaring in het leveren van op maat gemaakte technologische oplossingen binnen de maakindustrie, maritieme sector, lucht- en ruimtevaart en defensie, begrijpen we de realiteit van complexe, verouderde omgevingen en hoe deze te ontwikkelen.  

Door toonaangevende platforms zoals Siemens en Mendix aan de context van elke organisatie aan te passen, werken we samen met onze klanten om domeinkennis, bedrijfsregels en engineeringlogica te integreren in schaalbare workflows, en deze te verrijken met AI waar dit de meeste waarde oplevert. In de praktijk betekent dit dat we gestructureerd kosten- en duurzaamheidsbeheer activeren, ondersteund door de governance en orkestratie die nodig zijn in een steeds complexere en datagedreven toekomst.  

Naarmate product cost management zich blijft ontwikkelen en AI steeds meer wordt geïntegreerd in het digitale landschap, hebben fabrikanten de mogelijkheid om opnieuw te bekijken hoe inzichten over kosten, duurzaamheid en winstgevendheid worden gebruikt, en deze, met de juiste partner, om te zetten in krachtige beslissingsmotoren.