De onderhoudsfirma van morgen verkoopt geen interventies meer, maar uptime

Industrieel onderhoud lijkt op het eerste gezicht een vrij traditionele sector. Machines moeten blijven draaien, storingen moeten snel opgelost worden en techniekers moeten op het juiste moment met de juiste onderdelen ter plaatse zijn. Maar net daar begint iets fundamenteels te veranderen. De onderhoudsfirma van morgen zal steeds minder worden beoordeeld op hoeveel interventies ze uitvoert en steeds meer op hoeveel stilstand ze voorkomt.

Die verschuiving komt niet uit één technologie. Ze ontstaat doordat verschillende ontwikkelingen tegelijk samenkomen. Industriële bedrijven verzamelen steeds meer data uit PLC’s, sensoren en machines, terwijl AI beter wordt in het interpreteren van technische documenten, foutcodes en tijdreeksen. Tegelijk blijft technisch personeel moeilijk te vinden, worden cybersecurity en documentatie belangrijker en geeft nieuwe Europese regelgeving gebruikers meer rechten op de data die hun machines genereren. De onderhoudspartner krijgt daardoor toegang tot meer informatie, maar ook meer verantwoordelijkheid.

Voor onderhoudsbedrijven is dat geen detail. Hun kernproduct kan veranderen. Wie vandaag vooral uren, interventies en onderdelen verkoopt, kan morgen een veel groter deel van de technische betrouwbaarheid van een klant overnemen. De vraag wordt dan niet meer alleen wie het snelst een storing kan herstellen, maar wie het best kan voorspellen, plannen, documenteren en voorkomen dat ze ontstaat.

Van storing herstellen naar betrouwbaarheid verkopen

Het klassieke onderhoudsmodel is reactief of periodiek. Een machine valt uit en er volgt een interventie, of een onderdeel wordt volgens een vast schema vervangen omdat de fabrikant dat voorschrijft. Dat blijft nodig, maar er komt een extra laag bovenop. Condition monitoring kan afwijkingen vroeger detecteren, predictive maintenance kan inschatten wanneer een onderdeel waarschijnlijk problemen zal geven en nieuwe modellen proberen zelfs te bepalen wanneer een interventie economisch het beste moment bereikt.

Flanders Make beschrijft die volgende stap als een evolutie van voorspellen naar beslissen. Niet alleen de technische kans op falen telt, maar ook productieverlies, onderhoudskosten en onzekerheid. Een lager dat theoretisch nog drie weken mee kan, hoeft bijvoorbeeld niet onmiddellijk vervangen te worden wanneer de lijn twee dagen later sowieso stilgelegd wordt. Omgekeerd kan een relatief kleine afwijking een onmiddellijke interventie rechtvaardigen wanneer stilstand extreem duur is. De waarde zit dus niet in zoveel mogelijk alarmen, maar in betere beslissingen over wanneer en hoe men ingrijpt.

Dat verandert ook het commerciële model. Een onderhoudsfirma die alleen verdient wanneer er een storing is, heeft economisch gezien een vreemd belang tegenover haar klant. Wanneer dienstverlening verschuift naar beschikbaarheid, onderhoudscontracten en prestatiegaranties, komen beide belangen dichter bij elkaar te liggen. Hoe minder onverwachte stilstand, hoe meer waarde de onderhoudspartner creëert.

De Verenigde Staten tonen de volgende stap: closed-loop maintenance

In de Verenigde Staten wordt duidelijk waar dit naartoe kan gaan. De nieuwste industriële platformen stoppen niet meer bij een dashboard dat een anomalie toont. De ambitie is een gesloten lus: een afwijking wordt gedetecteerd, AI zoekt naar de waarschijnlijke oorzaak, het onderhoudssysteem maakt of bereidt een werkorder voor, controleert welke technieker en onderdelen nodig zijn en koppelt na de interventie het resultaat terug naar het systeem.

Rockwell Automation en Augury kondigden in juli 2026 bijvoorbeeld een integratie aan waarbij machine health, AI-diagnose en Fiix CMMS dichter bij elkaar worden gebracht. MaintainX en Augury werken in dezelfde richting. Het interessante is niet dat één leverancier alles bouwt, maar dat de verschillende stappen tussen detectie en uitvoering steeds meer aan elkaar worden gekoppeld. De echte innovatie is dus niet de sensor op de motor, maar het feit dat een signaal uiteindelijk tot een concrete en traceerbare onderhoudsactie leidt.

Voor Belgische onderhoudsbedrijven is dat relevant omdat dezelfde logica ook met bestaande software kan worden gebouwd. De meeste middelgrote bedrijven hoeven geen nieuw industrieel platform te kopen. Ze hebben vaak al een CMMS of ERP, werkorders, planning, onderdelenbeheer en historische interventies. De opportuniteit zit in het verbinden van die informatie met machine- en sensordata, zodat een technisch signaal automatisch in het operationele proces terechtkomt.

Het technische geheugen wordt een bedrijfsmiddel

Een minstens even grote kans zit niet in sensoren, maar in kennis. Veel industriële onderhoudsbedrijven zijn afhankelijk van enkele ervaren techniekers die precies weten welke machine gevoelig is, welke foutcode meestal misleidend is, welke tijdelijke oplossing in het verleden werkte en welk onderdeel bij een bepaalde installatie net anders gemonteerd zit. Die kennis is bijzonder waardevol, maar vaak nauwelijks gestructureerd.

AI maakt het mogelijk om manuals, werkorders, interventieverslagen, foto’s, foutcodes, onderdelenlijsten en historische storingen als één technisch geheugen te gebruiken. Een technieker die voor een onbekende machine staat, zou niet eerst verschillende mappen, mails en systemen moeten doorzoeken. Hij zou moeten kunnen vragen wat er bij deze asset eerder gebeurde, welke storingen vergelijkbaar waren, wat toen vervangen werd, welke veiligheidsprocedure geldt en wie binnen het bedrijf er ervaring mee heeft.

IBM Research experimenteert ondertussen met systemen die technische kennis uit documenten omzetten naar gestructureerde failure modes en waarbij reliability engineers onderhoudsregels in gewone taal kunnen beschrijven waarna software daar monitoringlogica van maakt. Dat is bijzonder relevant in een markt met een structureel tekort aan technische profielen. Digitalisering lost het personeelstekort niet op, maar kan wel voorkomen dat iedere nieuwe technieker dezelfde kennis opnieuw van nul moet opbouwen.

De bottleneck is steeds minder data, maar samenhang

Industriële bedrijven hebben vaak al veel data. Ze zit alleen verspreid over PLC’s, SCADA, historians, CMMS, ERP, Excel, leveranciersportalen, OEM-cloudomgevingen, technische documenten en het geheugen van medewerkers. Rockwell rapporteerde in zijn State of Smart Manufacturing 2026 dat bedrijven gemiddeld slechts een deel van hun verzamelde productiedata daadwerkelijk gebruiken. Tegelijk verwachten fabrikanten dat AI een steeds groter deel van hun activiteiten zal ondersteunen.

Dat maakt integratie belangrijker dan nog een los dashboard. Ook in de Verenigde Staten verschuift de aandacht daarom naar interoperabiliteit. CESMII bracht in juni 2026 i3X 1.0 uit, een open industriële standaard die data en toepassingen gemakkelijker over verschillende systemen heen moet ontsluiten. De reden is eenvoudig: Industrial AI kan weinig met een bedrijf waarin iedere machine, leverancier en softwaretoepassing een eigen eiland vormt.

Voor een onderhoudsfirma betekent dit dat de strategische positie niet noodzakelijk ligt in het ontwikkelen van eigen sensoren of een eigen CMMS. De sterkere positie kan zijn dat zij de technische context over verschillende merken en systemen heen begrijpt en verbindt. Een klant met machines van verschillende OEM’s heeft weinig aan vijf afzonderlijke dashboards als niemand de volledige assetomgeving overziet.

De Data Act kan de machinemarkt openbreken

Europa voegt daar een belangrijke juridische verandering aan toe. Sinds 12 september 2025 is de EU Data Act van toepassing. Gebruikers van connected producten, waaronder industriële machines, krijgen meer rechten om beschikbare data die door het gebruik van die machines ontstaat te verkrijgen en onder voorwaarden te laten delen met derde partijen. De Europese Commissie noemt reparatie en onderhoud expliciet als een van de markten waar dit extra concurrentie kan creëren.

Dat kan de verhouding tussen machinefabrikant, fabriek en onafhankelijke onderhoudspartner veranderen. Veel waardevolle conditie- en gebruiksdata bleef historisch dicht bij de OEM. Wanneer een klant die data gemakkelijker met een onafhankelijke dienstverlener kan delen, ontstaat ruimte voor onderhoudsbedrijven die verschillende merken en installaties in één omgeving opvolgen. Ze kunnen dan evolueren van een partij die op afroep herstellingen uitvoert naar een partner die de technische gezondheid van een volledig machinepark bewaakt.

De Data Act maakt niet automatisch alle geanalyseerde OEM-kennis vrij. Het gaat vooral om beschikbare ruwe en vooraf verwerkte data die door het gebruik van het product gegenereerd wordt. Maar de richting is duidelijk: toegang tot machinedata wordt minder exclusief. Voor onafhankelijke onderhoudsbedrijven kan dat op termijn even belangrijk worden als de opkomst van predictive maintenance zelf.

Onderhoud wordt ook een cybersecurityproces

Meer toegang tot machines en data betekent tegelijk meer risico. Zodra een onderhoudspartner remote verbinding maakt met een PLC, een software-update uitvoert, een IoT-gateway plaatst of een externe technieker toegang geeft tot een industriële installatie, wordt onderhoud ook een cybersecurityproces. Dat is geen theoretisch probleem meer. De Belgische NIS2-wet is sinds oktober 2024 van kracht en verplicht getroffen organisaties onder meer om risico’s in hun toeleveringsketen te beheren.

Een onderhoudsbedrijf hoeft niet zelf rechtstreeks onder NIS2 te vallen om de impact te voelen. Een klant uit bijvoorbeeld voeding, chemie, energie of andere kritieke industrie kan eisen opleggen aan leveranciers die toegang krijgen tot zijn OT-omgeving. Daardoor worden vragen als wie toegang had, vanaf welk toestel, tot welke machine, wanneer die toegang werd ingetrokken en welke wijziging werd uitgevoerd steeds normaler. Voor professionele onderhoudspartners kan aantoonbare cyberhygiëne dus een commercieel voordeel worden.

Ook de Cyber Resilience Act wordt relevant zodra een onderhoudsbedrijf zelf connected hardware, gateways, monitoringsoftware of andere digitale producten onder eigen naam op de markt brengt. De eerste rapporteringsverplichtingen starten in september 2026 en de verordening wordt in december 2027 grotendeels volledig van toepassing. De grens tussen onderhoudsbedrijf en technologiebedrijf wordt daardoor belangrijker.

Vanaf 2027 wordt ook wijzigen aan machines gevoeliger

De nieuwe Europese Machinery Regulation wordt vanaf 20 januari 2027 van toepassing. Ze houdt explicieter rekening met software, connected machines, cybersecurity en systemen met zelflerend gedrag. Voor onderhoudsbedrijven is vooral belangrijk dat een partij die een machine substantieel wijzigt onder bepaalde omstandigheden zelf als fabrikant kan worden beschouwd en daardoor bijkomende conformiteitsverplichtingen kan krijgen.

Dat raakt precies de activiteiten die moderne onderhoudspartners steeds vaker uitvoeren: PLC-upgrades, sensoren toevoegen, besturingen aanpassen, robots integreren, software vervangen of installaties moderniseren. De technische interventie stopt dan niet meer bij de fysieke uitvoering. Documentatie, versiebeheer, veiligheidsimpact en bewijs van wat precies veranderd werd, worden onderdeel van het proces.

Ook hier kan technologie helpen. Een goed onderhoudssysteem zou niet alleen moeten registreren dat technieker X vier uur op machine Y gewerkt heeft, maar ook welke softwareversie gewijzigd werd, welke componenten vervangen zijn, welke foto’s en metingen bij de interventie horen, wie de wijziging heeft goedgekeurd en of bijkomende conformiteitscontrole nodig is.

Inspectie wordt eerst digitaal en pas daarna fysiek

Een andere ontwikkeling uit de Verenigde Staten is de snelle vooruitgang van remote en autonome inspectie. Bedrijven zoals Gecko Robotics gebruiken robots om industriële installaties, tanks en andere moeilijk bereikbare structuren te inspecteren. Boston Dynamics zet Spot in voor terugkerende inspectierondes en Skydio toont hoe drones afgelegen industriële locaties kunnen controleren zonder telkens een volledig team ter plaatse te sturen.

Voor de gemiddelde Vlaamse onderhoudsfirma is een robotvloot vandaag geen eerste investering. De achterliggende logica is wel onmiddellijk relevant: stuur niet automatisch een technieker zodra er iets verdacht lijkt. Verzamel eerst op afstand zoveel mogelijk informatie. Dat kan al met bestaande camera’s, thermografie, sensoren, PLC-data of een operator die gericht extra foto’s neemt. Pas wanneer duidelijk is wat er moet gebeuren, plan je de juiste technieker en onderdelen.

Die aanpak kan vooral interessant worden voor bedrijven met veel geografisch verspreide installaties, wachtdiensten of dure verplaatsingen. De technologie hoeft daarbij niet spectaculair te zijn. Iedere vermeden nutteloze interventie verhoogt de productiviteit van schaars technisch personeel.

Ook energieprestatie wordt een onderhoudsparameter

Onderhoud en energie-efficiëntie groeien eveneens naar elkaar toe. Een versleten lager, een vervuilde warmtewisselaar, een slecht afgestelde motor, een lekkend persluchtsysteem of een verkeerd werkende pomp veroorzaakt niet alleen slijtage maar kan ook structureel energie verspillen. Naarmate bedrijven sterker moeten sturen op energiegebruik, krijgt onderhoud dus een extra meetbare dimensie.

In Vlaanderen bestaan al energieaudit- en energiemaatregelen voor verschillende categorieën ondernemingen, terwijl de Europese Energy Efficiency Directive verdere verplichtingen rond energiebeheer introduceert. Voor onderhoudsbedrijven opent dat de mogelijkheid om niet alleen beschikbaarheid te monitoren, maar ook de energieprestatie van assets. Een machine die dezelfde output levert maar steeds meer stroom verbruikt, kan bijvoorbeeld een vroeg onderhoudssignaal geven nog vóór een klassieke storing zichtbaar wordt.

Zo wordt onderhoud een kruispunt van reliability, energie, productie en kosten. Dezelfde data die helpt om een defect te voorspellen kan dus ook aantonen welke installatie inefficiënt draait en waar een investering zich waarschijnlijk sneller terugverdient.

Niet iedere onderhoudsfirma moet een technologiebedrijf worden

De verleiding is groot om uit al deze ontwikkelingen te besluiten dat ieder onderhoudsbedrijf zelf AI-modellen, sensoren, digital twins en robots moet gaan bouwen. Dat zou voor de meeste bedrijven net de verkeerde conclusie zijn. De markt bevat al sterke gespecialiseerde toepassingen voor CMMS, condition monitoring, asset performance, sensoren en remote inspectie. Het heeft weinig zin om die opnieuw uit te vinden.

De belangrijkere vraag is welke gegevens en processen vandaag al bestaan en waar de verbinding ontbreekt. Een onderhoudsfirma kan bijvoorbeeld starten met één concrete keten: een storing of afwijking komt binnen, het systeem identificeert de asset, haalt relevante historiek en documentatie op, stelt een eerste diagnose voor, controleert onderdelen, maakt een werkorder, plant de juiste technieker en zorgt dat het verslag na uitvoering automatisch bij de klant en facturatie terechtkomt.

Daarna kan dezelfde architectuur uitgebreid worden met sensorinformatie, predictive maintenance, energiegegevens, compliance of externe OEM-data. Het doel is niet zoveel mogelijk AI inzetten. Het doel is dat de onderneming sneller en consistenter beslissingen kan nemen met de kennis die ze al bezit.

Van uren verkopen naar uptime verkopen

Uiteindelijk kan technologie ook het businessmodel veranderen. Wanneer een onderhoudspartner steeds beter kan voorspellen wanneer een installatie aandacht nodig heeft en steeds meer verantwoordelijkheid neemt voor planning, onderdelen, documentatie en monitoring, wordt het logischer om een deel van zijn vergoeding te koppelen aan beschikbaarheid of prestaties in plaats van uitsluitend aan gewerkte uren.

Dat model vraagt maturiteit. Een bedrijf moet de assets goed kennen, voldoende data hebben en duidelijk afspreken welke factoren het zelf kan beïnvloeden. Maar net daarom ontstaat een competitief voordeel voor onderhoudsfirma’s die vandaag beginnen met hun data en processen op orde te brengen. Wie later uptime wil verkopen, moet eerst kunnen meten wat uptime veroorzaakt, welke interventies effect hebben en waar de risico’s werkelijk zitten.

De onderhoudsfirma van morgen wordt daardoor minder een externe technische ploeg en meer een reliability-partner. Ze combineert mensenkennis, machinedata, software en procesdiscipline om haar klant continu beter te laten draaien. In een markt waar ervaren techniekers schaars zijn en stilstand steeds duurder wordt, kan dat een veel waardevoller product zijn dan een snelle interventie alleen.

Wat Impleminds vandaag voor industriële onderhoudsbedrijven kan betekenen

Impleminds begint niet met de vraag welke software vervangen moet worden. We brengen eerst de volledige onderhoudsketen in kaart: melding, diagnose, planning, werkorder, technieker, onderdelen, uitvoering, rapportering, facturatie en opvolging. Daarbij bekijken we welke informatie al aanwezig is in CMMS, ERP, PLC/SCADA, documenten en bestaande databronnen en waar mensen vandaag nog informatie tussen systemen moeten overtypen of zelf bij elkaar zoeken.

Daarna kunnen bestaande systemen gericht worden gekoppeld en repetitieve stappen geautomatiseerd worden. Een eerste project hoeft geen groot predictive-maintenanceprogramma te zijn. Vaak ligt sneller rendement in een technisch kennisgeheugen, automatische werkorder- en rapportflow, betere planning, onderdeleninformatie of het verbinden van bestaande machine-alarmen met het onderhoudsproces. Sensoren en geavanceerde AI kunnen later toegevoegd worden wanneer de basis goed staat.