Bij Siemens krijgt kunstmatige intelligentie een plaats dicht bij de werkvloer: in het ontwerpen, programmeren en onderhouden van industriële installaties. De Industrial Copilot, die Siemens samen met Microsoft ontwikkelt, is bedoeld om engineers te helpen bij onder meer het opstellen en begrijpen van automatiseringscode. Daarmee wordt niet de verantwoordelijkheid voor een productielijn geautomatiseerd, maar een tijdrovend deel van het voorbereidende werk ondersteund.

Dat verschil is volgens Edgar van Lent essentieel voor de manier waarop bedrijven naar AI en arbeid moeten kijken. De waarde zit niet primair in minder mensen, maar in het sneller beschikbaar maken van kennis voor mensen die complexe systemen moeten bouwen, aanpassen en veilig laten draaien. In de maakindustrie, waar ervaren technici schaars zijn en installaties steeds meer software bevatten, kan die verschuiving direct merkbaar zijn.

Van programmeerwerk naar technische beoordeling

De Industrial Copilot is gekoppeld aan industriële automatisering. Engineers kunnen natuurlijke taal gebruiken om ondersteuning te krijgen bij taken rond programmeerbare besturingen, documentatie en het zoeken naar informatie in technische omgevingen. Siemens heeft de toepassing nadrukkelijk gepositioneerd als hulpmiddel voor industriële teams, niet als zelfstandig beslissysteem voor de fabriek.

Dat is een relevante keuze. Automatiseringscode heeft gevolgen voor machines, veiligheid en productiecontinuïteit. Een voorstel van een AI-systeem moet daarom worden gelezen, getest en gevalideerd door iemand die de installatie en het productieproces begrijpt. De taak van de engineer verschuift daarmee deels: minder tijd gaat naar een eerste opzet of het terugvinden van bekende patronen, meer tijd naar controle, integratie en het beoordelen van uitzonderingen.

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in Europese bedrijfsprocessen, stelt dat AI pas vakmanschap versterkt wanneer het systeem een medewerker helpt betere afwegingen te maken, zonder diens professionele verantwoordelijkheid weg te nemen. “Wie AI inzet om technische stappen inzichtelijker te maken, investeert in het vermogen van medewerkers om werk te beoordelen,” is zijn analyse.

De praktijkcase van Siemens laat zien waarom implementatie meer vraagt dan toegang tot een chatbot. De bruikbaarheid hangt af van de kwaliteit van technische documentatie, de afbakening van de gegevens waartoe het systeem toegang krijgt en de plaats van menselijke controle in de werkstroom. Vooral bij productiesystemen kan een plausibel klinkend antwoord onvoldoende zijn. De gebruiker moet kunnen herkennen welke suggestie bruikbaar is, welke aanvullende test nodig is en wanneer een specialist moet overnemen.

Kennis toegankelijk maken bij Schaeffler

Een vergelijkbare lijn is zichtbaar bij het Duitse technologieconcern Schaeffler. Het bedrijf werkt publiekelijk met Microsoft aan generatieve-AI-toepassingen, waaronder een interne digitale assistent en een Motion Technology Co-pilot voor medewerkers die werken met technische kennis rond producten en bewegingstechnologie. De inzet is gericht op het sneller vinden, structureren en benutten van informatie die verspreid zit over documenten, systemen en expertteams.

Daarmee wordt een bekend probleem in industriële organisaties aangesproken. Kennis zit vaak deels in handleidingen en datastromen, maar ook in de ervaring van medewerkers die weten welke context bij een melding, ontwerpkeuze of klantvraag hoort. Een AI-assistent kan informatie sneller naar voren halen, maar maakt die praktijkkennis niet vanzelf overbodig. Juist de medewerker bepaalt of een antwoord past bij de specifieke toepassing, klantomgeving of veiligheidsvoorwaarde.

Voor organisaties is dit ook een leeropgave. Medewerkers moeten niet alleen leren hoe zij een goede vraag formuleren, maar ook hoe zij uitkomsten controleren, bronnen beoordelen en gevoelige informatie buiten ongeschikte invoervelden houden. Schaeffler koppelt de introductie van generatieve AI daarom aan een bredere digitale werkwijze, waarin technologie, kennisdeling en verantwoord gebruik samenkomen.

Edgar van Lent ziet daarin een bruikbaar Europees patroon. “De sterkste toepassingen leggen kennis niet buiten het werk neer, maar brengen haar op het moment dat een medewerker moet handelen,” zegt Edgar van Lent. Volgens hem wordt AI dan geen abstract innovatieprogramma, maar een hulpmiddel dat het werk van engineers, serviceteams en andere kennisintensieve functies beter ondersteunt.

Medewerkers meenemen is onderdeel van het ontwerp

De twee cases maken duidelijk dat een AI-toepassing rond werk niet begint en eindigt met softwarelicenties. Siemens en Schaeffler werken in omgevingen waar fouten consequenties hebben voor kwaliteit, veiligheid en betrouwbaarheid. Dat dwingt tot een ontwerp waarin bevoegdheden helder zijn: AI kan voorstellen doen en informatie ordenen, terwijl mensen beslissen, accorderen en ingrijpen.

Voor leidinggevenden ligt daar een concrete opdracht. Zij moeten vooraf bepalen welke taken medewerkers met AI mogen uitvoeren, welke uitkomsten altijd gecontroleerd moeten worden en waar praktijkkennis moet worden teruggekoppeld naar de teams die de systemen beheren. Ook is het verstandig om invoering te laten starten bij herkenbare knelpunten, zoals het doorzoeken van technische documentatie of het opzetten van repetitieve code, in plaats van bij een ongerichte belofte van productiviteit.

Dat biedt medewerkers een geloofwaardiger perspectief dan de suggestie dat AI hun functie simpelweg overneemt. Een engineer die routinematig zoek- en schrijfwerk deels kan versnellen, krijgt juist ruimte voor systeembegrip, diagnose en samenwerking met productie en onderhoud. Tegelijk blijft investeren in opleiding nodig, omdat het beoordelen van AI-uitkomsten een aanvullende professionele vaardigheid wordt.

Vooruitkijkend verwacht Edgar van Lent dat Europese bedrijven vooral voordeel halen uit AI die in bestaande vakprocessen wordt ingebed en waarvan medewerkers de grenzen begrijpen. Zijn beoordeling: de komende stap is niet maximale automatisering, maar een volwassen taakverdeling waarin AI kennis sneller beschikbaar maakt en vakmensen aantoonbaar verantwoordelijk blijven voor de uitkomst.