Duitse leveranciers en autofabrikanten moeten opletten: het hoofd productie‑IT van ZF Group waarschuwt dat de volgende golf van fabrieks‑AI vastloopt tenzij bedrijven oplossen hoe data op de werkvloer wordt verzameld en beheerd. Dat is van belang voor medewerkers op assemblagelijnen, toeleveranciers die Duitse en Oostenrijkse fabrieken bedienen en kopers die betrouwbare kwaliteit verwachten van elektronica tot aandrijflijnen.
„Je kunt alles in het data lake stoppen” — en toch falen
Volker Szabo, Head of IT Production Solution Analysis and Strategy Execution bij ZF Group, vertelde CIOnews op 8 november 2026 dat enterprise‑AI in de productie wordt tegengehouden door wat hij ‘spaghetti‑architectuur’ noemt — decennia van op maat gemaakte, ongedocumenteerde punt‑tot‑puntinterfaces die de herkomst van data verbergen en opschaling duur en risicovol maken. “Je kunt alles in het data lake stoppen, maar mensen weten niet waar ze moeten vissen,” zei Szabo.
Szabo beschreef een praktische oplossing: een gereguleerde integratielaag die standaardiseert hoe programmeerbare logische controllers, SCADA‑systemen en MES/ERP‑platforms productiedata publiceren. Die laag, betoogt hij, creëert één bron van waarheid en maakt het mogelijk AI‑modellen voor visuele kwaliteitsinspectie, voorspellend onderhoud en digitale tweelingen sneller en veiliger in meerdere fabrieken uit te rollen.
Hoe een kleine technische wijziging grote AI‑waarde kan vrijmaken
In zijn interview gaf Szabo een concreet voorbeeld van het potentiële rendement: het terugbrengen van tientallen punt‑tot‑puntverbindingen naar een gemeenschappelijke integratielaag zou in een vereenvoudigd scenario het aantal interfaces met ongeveer 80% kunnen verminderen — geen directe kostenbesparing, maar wel een grote vermindering van architecturale complexiteit en onderhoudsinspanningen die doorgaans implementaties doen mislukken. Hij raadde ook aan te beginnen met nauw afgebakende pilots — “begin met een typeplaatje, voeg daarna stap voor stap data toe” — in plaats van te proberen één grote digitale tweeling te bouwen.
Spelers in de industrie testen al vergelijkbare benaderingen. Siemens en NVIDIA promoten digitale‑tweeling‑ en agentgestuurde fabriekstools in de Siemens Electronics Factory in Erlangen als blauwdruk voor adaptieve productie; Siemens zegt dat die toepassingen al in productie worden getest en gericht zijn op het versnellen van inspectie-, plannings‑ en virtuele inbedrijfstellings‑workflows.
Wat dit betekent voor de markt
Voor Europese autofabrikanten en toeleveranciers is de boodschap operationeel: AI inzetten voor kwaliteitsinspectie, robotica of voorspellend onderhoud is niet langer alleen een oefening in modeltraining — het is een integratie‑ en governancevraagstuk. Als OEM’s en Tier‑1s Szabo’s advies volgen, kunnen ze succesvolle pilots sneller opschalen naar meerdere Duitse en Oostenrijkse fabrieken, waardoor de tijd en kosten om AI‑gestuurde inspectie en onderhoud in routinediensten te brengen dalen. Dat vermindert risico’s op uitval en productieafval voor batterij‑ en aandrijflijnlijnen en maakt digitale‑tweelingtesten van productiewijzigingen minder ingrijpend — voordelen die ertoe doen nu fabrieken EV‑programma’s en schommelingen in de toeleveringsketen moeten combineren.
Voor werknemers en ondernemingsraden heeft het technische voorschrift ook praktische gevolgen: een integratie‑eerstbenadering behoudt vaak legacy‑controllers en machines terwijl er datatoegang wordt toegevoegd, wat directe hardwarewisselingen kan beperken en geleidelijke bijscholing van operators en onderhoudsteams mogelijk maakt in plaats van abrupte heruitrusting.
Het interview met ZF onderstreept een stille verschuiving in Duitsland en Oostenrijk: de volgende fase van fabrieks‑AI wordt gewonnen of verloren op de interfacelaag tussen controllers en enterprise‑systemen, niet alleen door grotere modellen.
WorldTrader24 B2B-voertuigenmarkt voor handelaren →
Bronnen: CIOnews, Siemens
Partneropmerking: AutoPresse technologisch partner DaVinci AI ontwikkelt AI‑oplossingen voor de gehele auto‑industrie – van markt‑ en dealeranalytics tot autonome AI‑agenten en beeld‑ en videoproductie.
