Het offerteproces kost veel tijd en geld, zonder garantie dat je de opdracht ook krijgt. En ook later in het engineeringproces zit veel werk waar engineers niet per se gelukkig van worden. Ingenieursbureau VIRO ontwikkelde daarom AI-assistent J.A.R.V.I.S. Een tool die engineers niet vervangt, maar hen helpt het beste uit hun werk te halen.
Machinebouwers die regelmatig offertes uitbrengen, herkennen het patroon. Je gaat met de klant om tafel om de vraag en requirements scherp te krijgen, engineers duiken in berekeningen en specificaties, en weken later kom je weer samen om te toetsen of de offerte eigenlijk wel overeenkomt met wat de klant bedoelde. Een proces dat je zomaar 30.000 euro kan kosten, weet Bas Blanken, commercieel manager bij VIRO. ‘En je wint de opdrachten ook niet allemaal. Een kostbaar proces.’
Daar komt bij dat juist de meest ervaren engineers bij dit voortraject worden betrokken. Niet omdat ze het zo leuk vinden, maar omdat ze de risico’s aan de voorkant het beste kunnen inschatten. En precies deze groep verlaat de komende jaren de arbeidsmarkt. Tegelijkertijd worden klantvragen complexer, meer multidisciplinair en specifieker.
Volgens Erwin van Zomeren, business architect Smart Industry, wringt daar iets fundamenteels. ‘Het mooie van engineering is dat je een klantprobleem tot je neemt en nadenkt over de oplossing. Vaak heb je dat idee al vrij snel. Maar daarna begint het grote administratieve deel. Eigenlijk is 20 procent creativiteit en 80 procent vastleggen, uitwerken, structureren en controleren.’
Wat als juist dat saaie, tijdrovende deel drastisch kan worden versneld? Dat je in één ochtend met de klant tot een volledig gedragen requirements-baseline kunt komen? En dat deze completer en consistenter is dan voorheen?
Een digitale assistent voor methodisch ontwerpen
Eigenlijk is er een soort digitale assistent nodig, concludeerde Thomas Bruggeman, AI-projectleider bij VIRO, anderhalf jaar geleden. Niet om engineers te vervangen, maar om hen te ondersteunen bij het methodisch uitwerken dat hoort bij systeemontwikkeling.
Die assistent werd J.A.R.V.I.S.: een AI-gedreven workflow die het engineeringsproces structureert volgens de principes van het V-model (een gestructureerde projectaanpak die zich richt op verificatie en validatie, red.), dat al jaren bij VIRO gebruikt wordt. In de huidige versie richt de assistent zich volledig op het linkerbeen van het V-model; de fase waarin specificatie, systeemdefinitie en conceptmodellering centraal staan.
‘Daar wordt de basis gelegd voor het hele project‘, zegt Van Zomeren. ‘Als je daar fouten maakt of onduidelijk bent, neem je die problemen de rest van het traject met je mee.’
Van documenten naar requirements-baseline
Het proces start met het uploaden van alle relevante informatie, zoals pdf’s, Word-documenten en e-mails. Vervolgens gaan verschillende AI-agents aan de slag, elk met hun eigen rol en kennis, gevoed met systeemengineering-standaarden, ISO-normen en methodieken als Design for Six Sigma en Model Based Systems Engineering (MBSE). Ze onderscheiden wie de stakeholders zijn, wat hun belangen zijn, welke eisen daaruit volgen en waar risico’s zitten. De samenhang wordt vastgelegd, zodat functies, eisen en risico’s logisch met elkaar verbonden zijn. ‘Het systeem verwoordt de klantvraag zó dat de klant én wij bondig hebben vastliggen wat er precies bedoeld wordt‘, legt Van Zomeren uit. ‘Dat is het piketpaaltje in de grond: hier zijn we het over eens.’
Uiteindelijk levert het systeem een gestructureerd document op voor managementbesluitvorming. Daarin zit een requirements-dashboard, compliance-overzicht en risicoanalyse.
Human in the loop
Menselijke beoordelaars blijven daarbij essentieel. ‘Wij beoordelen samen met de klant de uitkomsten, kunnen keuzes bevragen, conclusies aanpassen of de analyse opnieuw laten uitvoeren met extra context’, verklaart Blanken. Alle interacties met AI worden opgeslagen, zodat het geheel traceerbaar wordt.
Dat menselijke toezicht is cruciaal, benadrukt Bruggeman. ‘AI kan fouten maken of hallucineren. Daarom werken we volgens vaste methodieken en blijft de engineer in de loop. Je moet AI kunnen overrulen om het beste resultaat te krijgen.’
Het werken met J.A.R.V.I.S. is intensief, geven ze toe. ‘Er komt een enorme informatiedichtheid op je af‘, zegt Bruggeman. ‘Maar het grote voordeel is snelheid en kwaliteit. Je kunt al analyseren terwijl je nog met de klant in gesprek bent. Alles zit vers in het geheugen en besluitvorming gaat veel sneller.’ Waar voorheen weken nodig waren om tot overeenstemming te komen, kan dat nu in een dagdeel.
Offertes zijn het begin
Het RFQ-deel van J.A.R.V.I.S. is inmiddels live en wordt door VIRO en de eerste klanten ingezet op basis van co-development: een gezamenlijk team van VIRO en klant dat samen werkt aan een sneller, beter en kostenefficiënter offertetraject.
Maar J.A.R.V.I.S. kan nog meer. Veel machinebouwers werken nog volgens engineering-to-order, terwijl ze eigenlijk naar configure-to-order zouden willen. Ook daar is J.A.R.V.I.S. op voorbereid. ‘We hebben hem zo opgebouwd dat we methodisch werken in een modulaire productarchitectuur‘, zegt Van Zomeren. ‘Of je nu een one-off maakt of werkt aan een productfamilie.’
‘Het mooie van engineering is dat je een klantprobleem tot je neemt en nadenkt over de oplossing’
In de volgende ontwikkelstap ondersteunt J.A.R.V.I.S. engineers in de conceptfase. Op basis van de vastgestelde requirements-baseline genereert het systeem een matrix met elementaire functies en valide technologische oplossingsrichtingen. Daarbij kan een design intent worden meegegeven, zoals de goedkoopste, duurzaamste of meest onderhoudsvriendelijke oplossing. Engineers combineren vervolgens zelf de opties. ‘Zo krijg je grip op kosten én ontwerpkeuzes‘, zegt Bruggeman.
Deze functionaliteit bevindt zich nu in de prototypefase. De ontwikkelingen gaan echter snel, benadrukt Blanken. ‘Dus als mensen interesse hebben, meld je vooral!’
Eén model, minder misverstanden
Volgens Johan Vissia, systems engineer bij VIRO, zit de echte winst in de samenwerking. ‘Verschillende disciplines communiceren via een en hetzelfde model. Dat voorkomt interpretatieverschillen en versnelt besluitvorming.’
Dat sluit aan bij de kern van MBSE: kennis gestructureerd en reproduceerbaar vastleggen. Niet in losse documenten, maar in een samenhangend systeemmodel. ‘We hebben niet zomaar een AI-tool gebouwd‘, zegt Bruggeman. ‘We hebben een workflow gebouwd die methodisch systeemdenken ondersteunt.’
Voor Blanken is de impact vooral praktisch. ‘Je kosten gaan omlaag, je snelheid omhoog en je engineers kunnen zich weer bezighouden met waar ze goed in zijn: oplossingen bedenken.’ Van Zomeren vat het samen: ‘J.A.R.V.I.S. helpt teams om slimmer en systematischer te ontwerpen en beter te kiezen. Daarmee zetten we de volgende stap in data-gedreven systeemontwikkeling.’
Veilig omgaan met intellectueel eigendom
Bij de ontwikkeling van nieuwe machines speelt intellectueel eigendom een grote rol. Daarom zijn IP en databeveiliging vanaf het begin in J.A.R.V.I.S. ingebouwd.
Data staan versleuteld op de server van VIRO of van de klant, met tweefactorauthenticatie en encryptie. Het AI-‘brein’ is modulair opgezet en kan worden aangesloten op verschillende taalmodellen, afhankelijk van de voorkeur van de klant.
Er wordt gebruikgemaakt van betaalde API-aansluitingen, waardoor ingevoerde data niet worden gebruikt om modellen verder te trainen. Voor klanten die de Amerikaanse Cloud Act willen vermijden, kan J.A.R.V.I.S. ook draaien op Europese modellen met zero data retention.
