{"id":757859,"date":"2026-09-09T08:20:16","date_gmt":"2026-09-09T08:20:16","guid":{"rendered":"https:\/\/www.capgemini.com\/nl-nl\/?post_type=story&p=757859"},"modified":"2026-09-09T08:20:33","modified_gmt":"2026-09-09T08:20:33","slug":"ai-is-niet-het-doel-inzicht-is-het-doel","status":"publish","type":"story","link":"https:\/\/www.capgemini.com\/nl-nl\/nieuws\/inside-stories\/ai-is-niet-het-doel-inzicht-is-het-doel\/","title":{"rendered":"AI is niet het doel, inzicht is het doel"},"content":{"rendered":"\n
\"\"\/<\/picture><\/div>
<\/div>
Future of tech<\/span>

AI is niet het doel, inzicht is het doel<\/h1>

Het net van de toekomst bouwen we deels met de assets van gisteren. Over levensduurverlenging, en waar AI het verschil maakt<\/strong><\/p><\/div><\/div><\/div><\/div><\/div><\/div><\/div>\n\n\n\n

\n

Nieuwbouw alleen gaat het tempo van de elektrificatie niet bijbenen. Een nieuwe hoogspanningsverbinding bouwen kost jaren meer dan de woonwijk, fabriek of datacenter die erop wacht. Eline Tan, Capability Lead Manufacturing & Industrial Operations bij Capgemini Engineering, sprak met Tom Eller, Lead AI Engineering & Advisory bij Capgemini, over de vraag hoe je met AI optimaliseert wat er al staat.<\/em><\/h3>\n\n\n\n

Eline: Waarom is levensduurverlenging van assets nu urgenter dan vijf jaar geleden?<\/strong><\/p>\n\n\n\n

Tom: “Omdat de rekensom is gekanteld: De investeringen in elektriciteitsnetten moeten wereldwijd met ongeveer de helft omhoog om de elektriciteitsvraag tot 2030 bij te benen, terwijl de prijzen van cruciale netcomponenten in vijf jaar bijna zijn verdubbeld. Vijf jaar geleden was bijbouwen nog een geloofwaardig antwoord op groeiende vraag. Het IEA laat in zijn rapport Electricity 2026<\/em> zien dat die vlieger niet meer opgaat.<\/p>\n\n\n\n

Maar het echte knelpunt is tijd. Volgens diezelfde analyse duurt het plannen, vergunnen en bouwen van nieuwe netinfrastructuur vijf tot vijftien jaar, terwijl de vraag zich in een heel ander tempo ontwikkelt. Uit de halfjaarpublicatie \u201cStand van de Uitvoering\u201d van Netbeheer Nederland blijkt dat de gemiddelde aansluittermijn voor kleinverbruik is opgelopen naar zo’n 44 weken, in 2022 was dat nog 33 weken. Ook stonden halverwege 2025 ruim duizend verzoeken voor maatschappelijk prioritaire aansluitingen op de wachtlijst, waaronder woningbouw en onderwijs. Je kunt die wachtrij niet wegwerken met alleen nieuwbouw, want daar is simpelweg geen tijd voor.<\/p>\n\n\n\n

Ook geopolitieke afhankelijkheden spelen een rol. Het net is kritieke infrastructuur. Als je voor een onderdeel dat je niet kunt missen afhankelijk bent van \u00e9\u00e9n leverancier op een ander continent, dan is dat geen inkoopvraagstuk meer, maar een vraagstuk van leveringszekerheid. Operationele details, zoals de conditie van een transformator of de vraag of een onderdeel nog te repareren is, zijn daarmee strategische onderwerpen geworden. En dat verandert het werk. De vraag is niet meer of het onderhoudsschema gehaald wordt, maar hoeveel levensduur er nog in dit specifieke component zit, en of je die inschatting kunt onderbouwen. Dat is een informatievraag.”<\/p>\n\n\n\n

Eline: In ons voorbereidende gesprek gaf je aan dat Nederland behoorlijk voorop loopt, waaruit blijkt dat?<\/strong><\/p>\n\n\n\n

Tom: “Dat is iets dat in de discussie over netcongestie vaak ondersneeuwt. Het IEA-rapport noemt Nederland expliciet als voorbeeld van een land dat het bestaande net slimmer benut. De ACM verplicht netbeheerders congestiemanagement toe te passen en introduceert nieuwe tariefvormen en non-firm contracten. TenneT verwacht hiermee gigawatts aan extra aansluitcapaciteit vrij te maken, zonder dat daar nieuwe hoogspanningslijnen voor nodig zijn. De belangstelling voor dat type contract is enorm.<\/p>\n\n\n\n

Nog concreter is het opwaarderen van bestaande verbindingen. Neem het project Dodewaard\u2013Doetinchem. Daar wordt een bestaande 380 kV-verbinding geschikt gemaakt voor een hogere stroomsterkte, van 2,5 naar 4 kiloamp\u00e8re. Het net wordt dus niet uitgebreid, maar verzwaard binnen het bestaande trac\u00e9. In de kennisgeving van het project noemt het ministerie van Klimaat en Groene Groei de 380 kV-verbindingen de snelwegen van het Nederlandse hoogspanningsnet, en constateert het dat we op steeds meer plekken tegen de grenzen van hun transportcapaciteit aanlopen. Het bestaande net wordt daarom stapsgewijs opgewaardeerd.<\/p>\n\n\n\n

Dat is precies de beweging waar dit gesprek over gaat: bestaande infrastructuur meer laten doen. Nederland behoort daarmee tot de kopgroep in Europa. De vraag is niet of Nederlandse netbeheerders hard werken aan dit vraagstuk. De vraag is hoe ze in de komende jaren nog meer capaciteit vrijmaken, terwijl de opgave sneller groeit dan de beschikbare mensen en middelen.”<\/p>\n\n\n\n

Eline: Kun je die opgave concreter maken?<\/strong><\/p>\n\n\n\n

Tom: “Neem de opwaardering Dodewaard-Doetinchem weer als voorbeeld. In de kennisgeving van het ministerie staat een lijst van samenhangende projecten: uitbreiding van de stations aan beide uiteinden, vervanging van de onderliggende 150 kV-stations, een haalbaarheidsstudie naar een compleet nieuw station in de regio, het opwaarderen van twee andere verbindingen, en dan ook nog de verbreding en doortrekking van de A15 en A12 door Rijkswaterstaat.<\/p>\n\n\n\n

Dat is wat mij betreft de kern van de engineering-opgave. E\u00e9n opwaardering is technisch goed te overzien. Maar dit zijn tientallen ingrepen die elkaar in tijd, ruimte en capaciteit raken, uitgevoerd aan een net dat ondertussen in bedrijf blijft, met een arbeidsmarkt die niet meegroeit. En dat allemaal terwijl uit de landelijke betrouwbaarheidsrapportage van Netbeheer Nederland over 2025 blijkt dat veroudering en slijtage inmiddels de grootste oorzaakcategorie van storingen vormen, in zowel het midden- als het laagspanningsnet.<\/p>\n\n\n\n

Diezelfde rapportage laat zien dat er op dit moment grootschalige vervangings- en verzwaringsprogramma’s lopen. Er wordt dus enorm veel werk verzet. Maar het maakt de prioriteringsvraag wel scherper dan ooit. We zitten in een fase waarin er heel veel wordt aangeraakt, en juist dan gaat het erom of we het meest urgente aanraken. Elke ingreep kost monteurscapaciteit en onderdelen. Dat zijn precies de dingen die schaars zijn.<\/p>\n\n\n\n

En dit is ook waarom wij liever spreken van engineering transformation dan van digitalisering. Het gaat niet om \u00e9\u00e9n technologie invoeren, maar om de manier waarop je beslissingen over je assets voorbereidt en neemt.”<\/p>\n\n\n\n

Eline: En daar komt AI in beeld?<\/h3>\n\n\n\n

Tom: “Deels, en laat me het scherp formuleren: AI is niet het doel, inzicht is het doel.<\/p>\n\n\n\n

Er is namelijk geen tekort aan data in de energiesector. Er is een tekort aan ontsloten data. Meetwaarden uit SCADA en OT-systemen, onderhoudshistorie, storingsmeldingen, inspectiefoto’s, vrije tekst in werkorders, ontwerpdocumentatie in pdf’s van dertig jaar oud. Dat zit in verschillende systemen en verschillende formaten, en het overgrote deel wordt nooit gecombineerd. Precies d\u00e1t is waar huidige AI al goed in is.<\/p>\n\n\n\n

Wat je daarmee wilt bereiken zijn drie dingen. Voorspellen<\/strong>: wanneer gaat een component waarschijnlijk falen? Verklaren<\/strong>: waarom degradeert het, en welke andere componenten dragen hetzelfde risico? En voorkomen<\/strong>: welke ingreep, op welk moment, tegen welke kosten en welk risico? Voorspellen levert het snelst zichtbare waarde op. Verklaren is uiteindelijk het meest waardevol, want daar bouw je organisatiekennis op in plaats van alleen alerts.<\/p>\n\n\n\n

Wat ik in de praktijk zie, is dat netbeheerders die stap naar verklaren al zetten na een grote storing. Dan wordt onderzocht of vergelijkbare componenten van vergelijkbare leeftijd hetzelfde risico dragen, en of preventieve vervanging verstandig is. Dat is exact de juiste denkbeweging. De uitdaging is dat het nu vooral handmatig gebeurt en pas na een gebeurtenis. Het interessante vraagstuk is hoe je die analyse structureel maakt en vooruit richt, over honderdduizenden componenten heen. Dat is geen menselijke taak meer. Het is een taak waarbij mensen de vragen stellen en de beslissingen nemen, en technologie het volume aankan.”<\/p>\n\n\n\n

Drie sporen, \u00e9\u00e9n patroon<\/h3>\n\n\n\n

Eline: Waar zit de winst concreet?<\/strong><\/p>\n\n\n\n

Tom: “Ik onderscheid drie sporen.<\/p>\n\n\n\n

Het eerste is software<\/strong>. Vrijwel elke kritieke installatie wordt gedreven door code van tien, twintig, soms dertig jaar oud. Die code werkt, en juist daarom durft niemand eraan te komen. Het echte risico zit niet in de code maar in de kennis, want die zit in de hoofden van een handvol engineers. AI helpt hier inmiddels serieus: codebases analyseren, afhankelijkheden en architectuur in kaart brengen, ontbrekende documentatie genereren. Daarmee objectiveer je ook de vraag of je moet verlengen of vervangen. Als een systeem bewezen betrouwbaar is en de migratie veel risico meebrengt, kan moderniseren binnen de bestaande architectuur de rationelere keuze zijn, zolang je begrijpt wat je hebt.<\/p>\n\n\n\n

Het tweede spoor is operations<\/strong>. Daar gaat het over het combineren van OT-data met onderhoudshistorie tot een betrouwbaar beeld van asset health, en dat gebruiken voor prioritering. Als je vijftig ingrepen kunt doen en er honderd nodig lijken, welke vijftig geven de meeste risicoreductie? Dat is lastiger dan het lijkt, want risico is niet alleen een eigenschap van een component maar ook van zijn plek in het net. Netbeheer Nederland beschrijft hoe middenspanningsnetten vaak als ring zijn aangelegd, waardoor je bij een storing kunt omschakelen, terwijl laagspanningsnetten meestal enkelvoudig zijn en een storing daar direct tot uitval leidt. Twee soortgelijke componenten kunnen dus een heel verschillende impact hebben als ze uitvallen. Je wilt niet alleen weten wanneer iets faalt, maar wat het kost als het daar faalt.<\/p>\n\n\n\n

Het derde spoor krijgt het minste aandacht: engineering en besluitvoorbereiding<\/strong>. Dat de monteurscapaciteit knelt weet iedereen in de sector. Maar voordat de schop de grond in kan, moet er een stapel netberekeningen, aansluitstudies en afstemming met andere projecten liggen, en ook dat is specialistisch werk. Het IEA beschrijft hoe de doorlooptijd van aansluitstudies wereldwijd een bottleneck is geworden. Veel van dat werk bestaat uit het terugvinden en combineren van informatie die er al is, en daar zijn AI-modellen sterk in. De studie wordt nog steeds ondertekend door een engineer. Maar als je de zoek- en schrijftijd wegneemt, verhoog je je engineeringcapaciteit en daarmee de doorstroom naar de uitvoering.”<\/p>\n\n\n\n

Eline: Dit patroon zie je ook buiten de energiesector.<\/strong><\/p>\n\n\n\n

Tom: “Dat vind ik het meest verrassende inzicht van de afgelopen jaren. Wij werken onder andere voor grote spelers in de high-tech maakindustrie, voor beheerders van energie-infrastructuur en voor publieke organisaties met kritieke veiligheidsmissies. Op het eerste gezicht heel verschillende werelden. Maar de onderliggende behoefte is vrijwel identiek: ik heb assets die ik niet kan missen, die ik niet snel kan vervangen, en waarvan de kennis in mijn organisatie afneemt.<\/p>\n\n\n\n

Dat betekent ook dat sectoren van elkaar kunnen leren. Predictive maintenance in de high-tech en de luchtvaart is geen experiment meer. Die volwassenheid is overdraagbaar.”<\/p>\n\n\n\n

Vertrouwen is de echte bottleneck<\/h3>\n\n\n\n

Eline: Waar zit de rem?<\/strong><\/p>\n\n\n\n

Tom: “Het IEA schrijft iets treffends over dynamic line rating, een techniek waarmee je een lijn substantieel zwaarder kunt belasten gedurende het grootste deel van het jaar. De belemmeringen voor bredere toepassing zijn volgens het rapport overwegend institutioneel en niet technisch: voorzichtige operationele culturen en een gebrek aan regelgevinsprikkels voor innovatie.<\/p>\n\n\n\n

Dat is een eerlijke observatie, en die geldt net zo goed voor AI in assetmanagement. Een model dat zegt dat een component nog achttien maanden meegaat, is pas waardevol als een asset manager op basis daarvan zijn onderhoudsplan durft aan te passen. En dat durft hij alleen als hij begrijpt waar\u00f3m het model dat zegt, en weet hoe vaak het eerder klopte.”<\/p>\n\n\n\n

Eline: Human in the loop is dus essentieel voor een succesvolle implementatie?<\/strong><\/p>\n\n\n\n

Tom: “Jazeker, maar dan moet je wel scherp zijn over wat dat betekent. Human in the loop is geen vinkje waarbij iemand nog een keer op akkoord klikt. Dan is de mens alleen aansprakelijk zonder dat hij invloed heeft, en dat is het slechtste van twee werelden.<\/p>\n\n\n\n

Wat je wilt is drie dingen. Ten eerste dat het advies herleidbaar is: op basis van welke metingen, welke vergelijkbare gevallen en welke aannames komt het model tot deze uitkomst? Ten tweede dat de betrouwbaarheid ervan bekend is. En ten derde dat de engineer kan tegenspreken. Als hij zegt dat het model dit onderdeel verkeerd inschat omdat er vorig jaar iets aan gedaan is wat nooit is vastgelegd, dan moet die kennis terug het systeem in.<\/p>\n\n\n\n

Dat derde punt is het meest onderschat, en tegelijk het waardevolste. De ervaring van monteurs en asset managers zit voor een groot deel niet in enig systeem. Als je een werkwijze bouwt waarin die kennis stap voor stap wordt vastgelegd, wordt het model niet alleen beter maar borg je ook kennis die anders met pensioen gaat. Zo wordt human in the loop geen rem op de automatisering, maar juist de manier waarop je organisatiekennis opbouwt.<\/p>\n\n\n\n

Uitlegbaarheid is in deze sector dus geen nice-to-have maar een randvoorwaarde. Wij bouwen deze oplossingen daarom altijd zo dat het advies onderbouwd en herleidbaar is, en dat de mens de beslissing neemt. Niet uit voorzichtigheid, maar omdat dat de enige manier is waarop het advies daadwerkelijk gebruikt wordt. AI die niemand vertrouwt, levert nul waarde op, hoe goed het model ook is.<\/p>\n\n\n\n

Het is ook een operating-modelvraag. Als je conditiegebaseerd gaat werken, verandert er meer dan een dashboard. Procurement moet inkopen op voorspelling in plaats van op schema. Onderhoud moet flexibeler plannen. Quality en compliance moeten meebewegen. En iemand moet eigenaar zijn van de data. Dat laatste wordt het meest onderschat.”<\/p>\n\n\n\n

Eline: Stel dat een organisatie hiermee wil beginnen. Wat is de eerste stap?<\/strong><\/p>\n\n\n\n

Tom: “Niet een AI-project starten. En dat zeg ik als AI-lead.<\/p>\n\n\n\n

Begin met twee dingen. E\u00e9n: kijk of je meet wat je nodig hebt.<\/strong> Een voorspellend model heeft betekenisvolle sensordata nodig, met voldoende historie en resolutie, gekoppeld aan een betrouwbare onderhouds- en storingshistorie. Nederland heeft daarin een onderschat voordeel. De landelijke storingsregistratie Nestor loopt al sinds 1976 en is sinds 2004 volledig dekkend voor alle Nederlandse aansluitingen. Dat is een schat aan gelabelde faaldata waar veel landen alleen maar van kunnen dromen, en het is een verdienste van de sector zelf. Die informatie moet je op individueel assetniveau verbinden. Want als je niet precies weet welke ingreep wanneer op welk asset is uitgevoerd, kun je niets leren van je verleden. Soms is het antwoord dus: eerst een paar sensoren bijplaatsen en je werkorderregistratie verrijken. Dat is minder spannend dan AI, maar het is de investering die alle latere waarde mogelijk maakt.<\/p>\n\n\n\n

Twee: zorg dat data verbindbaar is.<\/strong> Niet in \u00e9\u00e9n centraal datameer, maar wel met eenduidige asset-identificatie over OT, onderhoud en engineering heen. Anders blijft elk model een eiland.<\/p>\n\n\n\n

En dan kiezen: kies \u00e9\u00e9n asset, \u00e9\u00e9n concrete beslissing die je wilt verbeteren, en bewijs het daar. E\u00e9n onderhoudsbeslissing die aantoonbaar beter wordt, opent meer deuren dan de mooiste roadmap. Uiteindelijk komt het hierop neer. Het net van de toekomst bouwen we deels met de assets van gisteren. We hebben de tijd, de onderdelen en de mensen niet om alles te vervangen, en projecten als Dodewaard\u2013Doetinchem laten zien dat er veel meer uit bestaande infrastructuur te halen is dan we lang dachten. Die beweging kunnen we versnellen door nog beter te begrijpen wat we al hebben. Daar kan AI ons bij helpen: niet als doel, maar als het middel dat de kennis in onze installaties beschikbaar maakt voor de mensen die de beslissingen nemen.”<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Eline Tan (links) en Tom Eller (rechts) in het Capgemini-kantoor in Utrecht.<\/em><\/p>\n<\/div><\/div><\/div><\/div><\/div><\/section>\n\n\n\n

Maak kennis met onze expert<\/h2><\/div><\/div><\/div>
\t\t
\n\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\"Eline\n\t\t\t\t\t<\/div>\n\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t