Wat betekent AI voor de moderne precisieverspaner?

Hoeveel maakbedrijven gebruiken AI?

In 2025 gebruikte 20 procent van de bedrijven in de EU met tien of meer medewerkers AI, tegen 13,5 procent in 2024 (Eurostat, 2025). Voor de industrie als geheel was dat ruim 17 procent. De basismetaal- en metaalproductenindustrie, waar loonverspaning onder valt, kwam op ruim 14 procent, tegen 8,6 procent een jaar eerder.

Het CBS meet een andere groep: bedrijven met twee of meer werkzame personen, dus ook de kleinste. Volgens de voorlopige cijfers gebruikte 16 procent van de Nederlandse industriebedrijven in 2025 AI, tegen 10 procent in 2024 en 7 procent in 2023. Omdat de populaties verschillen, kun je de twee reeksen niet direct vergelijken.

Ze wijzen wel dezelfde kant op: in de industrie gebruikt nu ongeveer een op de zes bedrijven AI, en dat aandeel is twee jaar op rij gestegen. Waar die bedrijven AI inzetten, is de volgende vraag.

Waar zit AI nu, en waar nog niet?

Van de Nederlandse bedrijven die AI gebruiken, zet 35 procent het in voor marketing of verkoop en 18 procent voor productie- of serviceprocessen (CBS, 2025, voorlopig). In de EU gebruiken kleine bedrijven AI minder vaak in de productie dan grote: van de kleine bedrijven met AI doet 19 procent dat in het productieproces, van de grote 33 procent (Eurostat, 2025).

Veel van de AI-hulp die voor de verspaning op de markt komt, zit in CAM: voorstellen voor gereedschapsbanen, gereedschap en snijwaarden. Dat werk begint pas als de order binnen is. Voordat het zover is, heeft elke aanvraag al een kostprijs nodig, ook de vele die je niet wint, en die kostprijs wordt op het bedrijfsbureau gemaakt.

Hoe tekening, calculatie, CAM en NC samenhangen als software per onderdeel één dossier bijhoudt, lees je in softwaregedreven maken, van revisie tot offerte.

Wat verandert er op het bedrijfsbureau?

Een aanvraag gaat door vier stappen: binnenkomst, tekening, calculatie en offerte. Bij elk van die stappen kan software een eerste versie klaarzetten. Ze koppelt model en tekening per onderdeel, neemt materiaal, toleranties, ruwheid, nabehandeling en schroefdraad als voorstel over van de tekening en bouwt de calculatieregels op voor materiaal, verspanen, instellen en programmeren.

Houd daarbij drie dingen uit elkaar: kenmerken, eisen en bewerkingen. Kenmerkherkenning telt op het model bijvoorbeeld 32 gaten, waarvan 8 met schroefdraad. De eis staat op de tekening: M6-schroefdraad, een passing, een positietolerantie. De bewerking is wat de werkvoorbereider ervan maakt: boren, tappen of ruimen, en in welke opspanning. Elk van die drie vraagt een ander oordeel.

Daarna nemen de calculator en de werkvoorbereider de beslissingen die geld kosten: hoeveel opspanningen, welke machine, wat er wordt uitbesteed en welke marge erbovenop komt. Een deel van de tijd gaat op aan het overtypen en opzoeken rond die keuzes. Waar die tijd zit, staat in sneller offreren met AI-hulp; wat software met een tekening kan, in kan AI een tekening lezen.

Is het echte AI of een formule?

Allebei, op verschillende plekken. Herkennen en voorstellen is waar AI wordt ingezet: kenmerkherkenning op het 3D-model, tekening lezen om de eisen van een pdf-tekening te halen, een materiaal voorstellen uit wat er in het titelblok staat. Dat is werk met onzekerheid. De uitkomst is daarom een voorstel, en bevestigen en corrigeren blijft mensenwerk.

De kostprijs zelf is rekenwerk: tijd maal tarief maal aantal, plus materiaal en uitbesteed werk. Dat hoort geen voorspelling te zijn. Elke calculatieregel moet je kunnen controleren, met de invoer erbij. Een schatting mag, als ze zo gelabeld staat; een getal zonder herkomst niet.

Een algemene chatassistent kan een tekening beschrijven en een prijs noemen, maar achter dat bedrag zitten niet jouw machines, uurtarieven, inkoopprijzen en uitbesteders. Calculatiesoftware hoort te rekenen met de gegevens van je eigen werkplaats.

Wat houdt kleine maakbedrijven tegen?

Volgens Eurostat (2025) noemen bedrijven in de EU die AI overwogen maar niet gebruiken vooral gebrek aan de juiste kennis (71 procent), onduidelijke juridische gevolgen (53 procent) en zorgen over gegevensbescherming en privacy (49 procent). Nederlandse bedrijven in dezelfde situatie noemen het vaakst gebrek aan ervaring, gevolgd door privacy en de juridische gevolgen (CBS, 2025).

Voor kleine bedrijven, vooral in de maakindustrie, noemt de OESO (2025) nog twee drempels: AI-software vinden die bij hun werk past, en een gebrek aan goede data en digitale volwassenheid. In een enquête onder Brabantse mkb-maakbedrijven had 83 procent onvoldoende zicht op welke delen van het productieproces zich lenen voor automatisering met AI (FME en partners, 2026).

Voor een toeleverancier met twaalf man betekent dat: begin bij een vraag uit je eigen werk in plaats van bij een AI-project, zoals hoeveel tijd er per aanvraag opgaat aan overtypen of waar tekeningseisen worden gemist. Wat je een leverancier vraagt over je tekeningen en die van je klanten, staat in wat vraag je een AI-leverancier over tekeningen.

Heb je eerst jaren aan data nodig?

In een whitepaper over enkelstuks- en kleinseriefabricage schreef Fraunhofer IPT in 2021 dat bij maakbedrijven de relevante data meestal niet in voldoende hoeveelheid en kwaliteit beschikbaar zijn, en dat de systemen ontbreken om ze goed te verwerken. TNO (2026) schrijft in een rapport over robotisering dat een AI-model dat op data steunt, soms lastig voor te bereiden is op alle situaties, omdat er veel variatie en onzekerheid is. Hetzelfde rapport typeert de Nederlandse maakindustrie als high-mix, low-volume.

Software die een prijs afleidt uit je archief van oude offertes, heeft eerst een schoon archief nodig, met de werkelijke uren erbij. Bij veel kleine bedrijven is dat er niet, en de OESO stelt vast dat bedrijfsgegevens van het mkb vaak niet klaarliggen voor AI. Ook een schoon archief bewaart wat er gebeurde, niet waarom: het ERP houdt de uren van een order bij, niet de extra opspanning die een krappe passing vroeg. Een prijs die daarop leunt, herhaalt de oude offerte, en daarmee ook elke marge die toen al te dun was.

Een calculatie begint daarom beter bij wat er al ligt: de geometrie van het model, de eisen van de tekening, je eigen machines, uurtarieven en inkoopprijzen. Dan is de uitkomst een voorcalculatie die per regel zijn invoer toont, ook voor het allereerste onderdeel.

Hoe ver je zo'n schatting kunt vertrouwen, lees je in hoe nauwkeurig is een AI-calculatie per regel.

Wat blijft het werk van je vakmensen?

De keuzes die een prijs maken of breken: hoe je het onderdeel opspant, welk risico je neemt met een dunne wand of een krappe passing, welke marge je durft te vragen. Software kan een opbouw voorstellen; het oordeel erover blijft bij de calculator en de werkvoorbereider. Dat bedoelen we met mens beslist: een prijs gaat pas de deur uit als een vakman ervoor tekent.

Wat wel verandert: als een ervaren calculator een voorstel corrigeert, kan die correctie met reden worden vastgelegd. Dan staat bij de regel dat de insteltijd omhoog ging, en ook waarom. Zo wordt werkplaatskennis iets wat een collega kan teruglezen. Hoe je dat aanpakt, lees je in de kennis van de ervaren calculator vastleggen.

Kies je software voor dit werk, kijk dan wat er onder de AI ligt: rekent ze met jouw machines en tarieven, en kun je elke regel controleren? De vragen voor die keuze staan in calculatiesoftware voor verspaning kiezen.

Waar gaat dit naartoe?

De volgende stappen liggen na de offerte: kostprijzen die worden geijkt aan werkelijke uren, tijden uit het CAM-project en het NC-programma in plaats van uit een schatting, en een offerte die zonder overtypen in je ERP komt.

Kalibratie zal laten zien waar schatting en werkplaats uit elkaar lopen, per bewerking en per machine, en het oordeel daarover blijft bij de mensen die het werk kennen. Onze ambitie gaat verder: de kennis van je hele werkplaats in één samenhangend model, van de eerste tekening tot het onderdeel dat de deur uitgaat.