AI implementeren in OT en productie: praktische gids (2026)

Bijgewerkt: 24 oktober 2026 · SIM Solutions

Kort antwoord

Kies twee of drie taken waar operators, technici of engineers elke dag tijd verliezen. Geef de AI alleen-lezen toegang tot de data die daarvoor nodig is, zoals alarmhistoriek, trends, handleidingen en PLC- of SCADA-projecten. Bewijs het op één lijn met vooraf afgesproken succescriteria, laat een mens elke wijziging goedkeuren, en rol pas daarna uit.

Wat "AI in OT" in de praktijk betekent

De meeste fabrieken gebruiken al een vorm van AI, zoals voorspellende modellen op één machine. Wat veranderd is, zijn taalmodellen: assistenten die alarmen, trends, handleidingen en besturingssoftware lezen, vragen in gewone taal beantwoorden, en documenten en code opstellen. In OT zijn ze op twee manieren nuttig:

Assistenten die lezen en uitleggen. Ze vinden de eerste oorzaak van een stop, leggen een alarm uit, zoeken in handleidingen en historiek, en stellen overdrachten en werkorders op. Laag risico en snel te bewijzen.
Agents die handelen. Ze schrijven PLC-code, bouwen SCADA-schermen of wijzigen configuraties. Krachtig, maar alleen op ontwikkel- of testsystemen, en een engineer keurt elke wijziging goed.

Ook leveranciers gaan snel. Siemens kondigde in juni 2026 bijvoorbeeld een engineeringagent voor TIA Portal aan die PLC-code schrijft en HMI-schermen bouwt. Voor de meeste fabrieken is de vraag dus niet meer óf AI dit kan, maar hoe je het veilig invoert over alle systemen die er al staan.

Stap 1: kies use cases die renderen

Goede eerste use cases hebben vier dingen gemeen: ze komen vaak voor, ze kosten tijd of productie, de data bestaat al, en een fout antwoord kan niemand schaden omdat een mens nog beslist.

Use case	Benodigde data	Risico
Eerste oorzaak van een lijnstop	Alarm- en gebeurtenishistoriek, vergrendelingslogica	Laag: de operator beslist
Uitleg bij alarmen en procedures	Alarmteksten, werkinstructies	Laag
Hulp bij storingen	Trends, werkorderhistoriek, handleidingen	Laag: de technicus beslist
Ploegoverdracht en rapporten	Productielog, alarmen, setpointwijzigingen	Laag
Documentatie van PLC en SCADA	PLC- en SCADA-projectbestanden	Laag: alleen lezen
Migratie van oude SCADA of PLC	Oude projectbestanden, taglijsten, standaarden	Middel: op een ontwikkelsysteem, daarna getest
Code voor nieuwe logica	Bedrijfsstandaard, bibliotheek met blokken	Middel: review door een engineer en tests in simulatie

Stap 2: regel de toegang tot data goed

De assistent is maar zo goed als de data die hij ziet, en in OT mag die toegang geen nieuw risico creëren.

Lees uit kopieën of alleen-lezen koppelingen: de historian, de alarmdatabank, geëxporteerde projectbestanden, exports uit het onderhoudssysteem.
Houd besturingsnetwerken gescheiden. Koppel via de DMZ of een alleen-lezen gateway, nooit met een rechtstreeks pad van internet naar een PLC.
Geef de assistent een eigen account met zo weinig rechten als nodig, en log elke vraag.
Laat een taalmodel nooit naar PLC's of SCADA in productie schrijven. Wijzigingen gaan via engineering, test en goedkeuring.

Stap 3: kies waar de modellen draaien

Drie opties komen vaak voor, en veel fabrieken combineren ze:

Zakelijke AI-diensten van Anthropic of OpenAI. Hun zakelijke voorwaarden vermelden dat uw data standaard niet voor training wordt gebruikt.
Dezelfde modellen in Europese cloudregio's, bijvoorbeeld via Amazon Bedrock of Google Cloud, als de locatie van de data belangrijk is.
Lokale modellen op de site voor data die de fabriek niet mag verlaten, meestal met minder mogelijkheden.

Stap 4: pilot op één lijn

Leg de succescriteria vooraf vast, bijvoorbeeld hoe lang het duurt om de eerste oorzaak van een stop te vinden, hoe lang een overdracht duurt of hoeveel uren een migratie vraagt. Laat operators en engineers de assistent daarna enkele weken in hun echte werk gebruiken. Hun feedback bepaalt wat naar de volgende lijn gaat.

Stap 5: governance en beveiliging

In december 2025 publiceerden negen cyberveiligheidsagentschappen, waaronder het Amerikaanse CISA, het Duitse BSI, het Nederlandse NCSC en het Britse NCSC, gezamenlijke richtlijnen om AI in OT te integreren. Ze bevatten vier principes:

AI begrijpen. Ken de specifieke risico's in OT, leid uw mensen op en gebruik een veilige ontwikkelcyclus.
AI-gebruik in OT afwegen. Toets de business case, beheer de risico's voor OT-data en houd rekening met leveranciers en integratie.
Governance en borging opzetten. Breng AI onder uw bestaande beveiligingskaders, test en evalueer modellen doorlopend en volg de regelgeving.
Veiligheid en beveiliging inbouwen. Houd menselijk toezicht, houd systemen transparant en neem AI op in uw incidentrespons.

De AI Act: wat geldt wanneer

De AI-omnibus is in werking sinds 27 juli 2026 en verschoof de termijnen voor hoog risico: 2 december 2027 voor de zelfstandige hoog-risicosystemen uit bijlage III, en 2 augustus 2028 voor AI in producten onder Europese productwetgeving. De meeste assistenten in een fabriek die uitleggen of opstellen zijn geen hoog risico, maar AI die als veiligheidscomponent werkt kan dat wel zijn. Bekijk elke use case tijdig; voor juridisch advies vraagt u een jurist.

Veelgemaakte fouten

Beginnen met een algemene chatbot die geen fabrieksdata ziet, zodat de antwoorden algemeen blijven.
Te vroeg schrijfrechten geven op besturingssystemen.
Het bouwen zonder operators en technici, die het daarna niet gebruiken.
Geen eigenaar na de pilot, zodat het nooit de tweede lijn haalt.

Hoe wij helpen

Wij zijn automatiseringsingenieurs die AI bouwen. We analyseren use cases, koppelen AI veilig aan uw PLC-, SCADA-, historian- en onderhoudsdata, voeren de pilot uit en rollen uit, in IT en OT. Zie AI-implementatie en de demo's.

Vragen die we krijgen

Hoe snel zien we resultaat?

Een alleen-lezen assistent op één lijn is snel te testen, omdat hij data gebruikt die al bestaat. Engineeringtoepassingen zoals migraties vragen meer tijd, omdat elk resultaat getest wordt.

Hebben we eerst een dataplatform of Unified Namespace nodig?

Nee. Een goede eerste use case leest de data die al bestaat. Een Unified Namespace of dataplatform helpt wanneer u opschaalt naar veel lijnen en sites.

Vervangt AI operators of engineers?

Nee. Het neemt zoek- en schrijfwerk weg en geeft sneller antwoorden. Mensen blijven beslissen, zeker in OT.

Met welke systemen kan het koppelen?

Met de meeste SCADA-, historian- en onderhoudssystemen, via exports, databanken of API's. We hebben eigen koppelingen met Siemens TIA Portal, WinCC V7 en Ignition.

AI implementeren in OT en productie: een praktische gids