MDM in de zware industrie is niet hetzelfde vakgebied als waar een softwarebedrijf zich mee bezighoudt. Er is geen klanttraject dat gepersonaliseerd moet worden, geen attributiemodel voor campagnes dat moet worden afgestemd. In olievelden, mijnen, chemische fabrieken en voedselverwerkende bedrijven zijn de gegevens die ertoe doen: materialen, apparatuur, reserveonderdelen, leveranciers, stuklijsthiërarchieën en onderhoudsgegevens.
Wanneer die gegevens onjuist of inconsistent zijn, leidt dat tot productiestilstanden, spoedinkopen, dubbele voorraadaankopen en het risico op overtreding van de regelgeving. Dat komt niet door slechte analyses.
In dit artikel wordt bekeken hoe de invoering van MDM verloopt in sectoren met veel bedrijfsmiddelen, wat de specifieke uitdagingen in elke sector zijn en welke cijfers organisaties daadwerkelijk rapporteren als alles goed verloopt.
Het is gebaseerd op gepubliceerde casestudies, sectoronderzoek en operationele gegevens uit de sectoren olie en gas, mijnbouw, chemie, productie, voedingsmiddelen en dranken, energie en bouwmaterialen.
Cijfers achter het MRO-gegevensprobleem vóór MDM
Er bestaat een wijdverbreide misvatting dat gegevenskwaliteit vooral een technologisch probleem is. Bij bedrijfsactiviteiten met veel activa is het echter vooral een probleem van opeenstapeling. Bij elke overname van een fabriek komt er een nieuwe ERP-instantie bij, met zijn eigen naamgevingsconventies. Elk nieuw onderhoudsbeheersysteem wordt door een ander team gevuld, met weer andere normen.
Na tien jaar zit je met een materiaalcatalogus waarin dezelfde industriële pomp onder negentien verschillende omschrijvingen voorkomt, en niemand heeft de moeite genomen om die te consolideren, omdat de productievloer altijd voorrang krijgt boven een project om gegevens op te schonen.
De financiële gevolgen van die verwaarlozing zijn schrijnend. Gartner schat de gemiddelde kosten van slechte gegevenskwaliteit op $12,9 miljoen per organisatie per jaar. Voor grote industriële bedrijven ligt dit cijfer vrijwel zeker hoger.
Alleen al onvoorziene stilstand kost Fortune Global 500-bedrijven bijna $1,5 biljoen per jaar, en hoewel niet alles daaraan aan gegevensproblemen kan worden toegeschreven, is het verband tussen onnauwkeurige gegevens over reserveonderdelen en vertraagde reacties op onderhoudsverzoeken goed gedocumenteerd en reëel.
- Gartner schat dat Een slechte gegevenskwaliteit kost de gemiddelde organisatie $ 12,9 miljoen per jaar. Bij grote industriële bedrijven met complexe activiteiten verspreid over meerdere vestigingen ligt dat cijfer doorgaans aanzienlijk hoger.
- NetSuite meldt dat Ongeplande stilstand kost fabrikanten uit de Fortune Global 500 geld $ 1,5 biljoen jaarlijks, waarvan een aanzienlijk deel rechtstreeks verband houdt met fouten in onderhoudsgegevens, verkeerde bestellingen van onderdelen en onnauwkeurigheden in de apparatuurregistratie.
- Volgens Onderzoek van Verdantis onder 1.900 operationele leidinggevenden, tussen 5 en 7% van alle MRO-aankopen zijn dubbele aankopen als gevolg van onnauwkeurigheden in het materiaalstamgegevensbestand. Voor een organisatie die jaarlijks $750M aan MRO uitgeeft, komt dat neer op $37,5M tot $52,5M aan vermijdbare uitgaven per jaar.
- McKinsey stelde vast dat 80% van organisaties uit het rapport blijkt dat ten minste een deel van de afdelingen in gegevenssilo’s werkt, waarbij elke afdeling afzonderlijke systemen gebruikt zonder gemeenschappelijke gegevensstandaarden. Bij kapitaalintensieve bedrijven met meerdere vestigingen of overgenomen entiteiten ligt dit percentage doorgaans hoger.
- Boston Consulting Group stelde vast dat De MRO-uitgaven variëren van 0,5 tot 4,51 TP3T van de omzet in de zware industrieën, met zware industrie aan de bovenkant van het spectrum. Gebrekkige catalogusgegevens zijn de belangrijkste oorzaak van te hoge uitgaven in deze categorie.
- BCG bleek ook dat 20% van de MRO-uitgaven is verdeeld over meer dan 1.600 leveranciers, wat een transactievolume van 45% oplevert, maar slechts een minimale consolidatie van de uitgaven. De versnippering van leveranciers in de long tail is vrijwel altijd een teken van gebrekkige stamgegevens, en niet van een gebrekkige inkoopstrategie.
De financiële risico’s als gevolg van het uitvallen van MRO-gegevens in kapitaalintensieve sectoren zijn direct en meetbaar. Bij jaarlijkse MRO-uitgaven van $750M en een percentage dubbele aankopen van 5-7% bedragen de kosten van niets doen conservatief geschat $37M tot $52M per jaar, nog afgezien van stilstand, spoedvracht en boetes wegens niet-naleving.
De wereldwijde markt voor masterdatabeheer
Er bestaat geen algemeen aanvaarde schatting van de omvang van de wereldwijde MDM-markt. Verschillende onderzoeksbureaus bepalen de omvang ervan op verschillende manieren, waardoor de cijfers uiteenlopen.
Grand View Research schat de markt voor 2023 op $19,9 miljard en voorspelt een omvang van $60,7 miljard tegen 2030, bij een samengesteld jaarlijks groeipercentage (CAGR) van 17,4%. Fortune Business Insights schat de omzet in 2024 op $16,07 miljard, met een verwachte stijging naar $57,02 miljard in 2032. Precedence Research is optimistischer en voorspelt een omzet van $94,08 miljard tegen 2035.
Het concrete cijfer is minder belangrijk dan de consistentie van de trend: alle grote onderzoeksbureaus die deze sector volgen, voorspellen tot het einde van dit decennium een jaarlijkse groei van midden tot hoog in de dubbele cijfers. Met name voor kapitaalintensieve sectoren ligt de relevante groeimogelijkheid in het segment van de activa- en locatiegegevens.
Precedence Research noemt asset- en locatiegegevens het snelst groeiende MDM-gegevenstype, met een verwachte samengestelde jaarlijkse groei (CAGR) van 13,81 TP3T tot en met 2035, als gevolg van de toenemende complexiteit in de productie, de nutsvoorzieningen, het vervoer, de energiesector en de infrastructuur.
Wat is de werkelijke drijfveer achter de invoering van MDM in de industriële sectoren?
Er zijn drie factoren die de invoering van MDM binnen bedrijven met een groot aantal bedrijfsmiddelen daadwerkelijk stimuleren. Geen van deze factoren is theoretisch; ze komen naar voren in inkoopgesprekken, evaluaties van ERP-projecten en audits van onderhoudsprogramma’s bij echte industriële bedrijven.
-
Modernisering van ERP-systemen
Research and Markets noemt de uitdagingen op het gebied van de integratie van verouderde systemen en fusies en overnames als twee van de belangrijkste groeifactoren op de MDM-markt. Beide beschrijven het typische profiel van een bedrijf met veel vaste activa. Organisaties die een migratie naar SAP S/4HANA doorlopen, komen er – meestal op de harde manier – achter dat een nieuw ERP-systeem het probleem van vervuilde gegevens niet oplost. Het neemt deze gegevens gewoon over.
Het overleg over de opruiming, dat drie jaar eerder had moeten plaatsvinden, vindt plaats midden in een live-gang, tegen aanzienlijk hogere kosten. -
Druk om klaar te zijn voor AI
Ongeveer 54% van de nieuwe MDM-platforms die tussen 2023 en 2024 op de markt zijn gebracht, beschikken over no-code AI- en auto-governance-functies, waardoor de technologie toegankelijker wordt voor middelgrote industriële bedrijven die de implementatiekosten voorheen niet konden rechtvaardigen.
De reden hiervoor is simpel: machine learning op basis van inconsistente materiaalgegevens levert onbetrouwbare resultaten op. Organisaties die programma’s voor voorspellend onderhoud en automatisering van de inkoop opzetten, komen tot de conclusie dat de gegevensbasis belangrijker is dan de tool die daarop draait. -
Naleving en druk vanuit de regelgeving
De wettelijke voorschriften op het gebied van chemische stoffen, voedingsmiddelen en dranken, energie en de verwerkende industrie worden steeds strenger, in plaats van dat ze worden versoepeld.
De verplichting om de herkomst van gegevens aan te tonen, de herkomst van materialen te bewijzen en controleerbare inkoopgegevens bij te houden, is inmiddels opgenomen in de exploitatievergunningen van talrijke gereguleerde sectoren. MDM is de gegevenslaag die naleving aantoonbaar maakt, in plaats van dat organisaties zich vlak voor een audit haastig moeten inspannen om de benodigde informatie bij elkaar te sprokkelen.
Waar de investeringen in MDM vandaan komen en waar ze naartoe gaan
Wereldwijd aandeel in de MDM-omzet in 2023. Alleen al de VS is goed voor meer dan 32% van de Noord-Amerikaanse omzet. Dit is te danken aan de hoge mate van cloudadoptie, de concentratie van grote ondernemingen en de aanwezigheid van belangrijke MDM-leveranciers.
De uitgaven voor MDM in de industriële sector zijn vooral geconcentreerd in de olie- en gasindustrie, de discrete productie en de chemische industrie. Grand View Research
CAGR voor de Europese markt voor bedrijfsgegevensbeheer van 2025 tot 2030. De nalevingsvereisten van de AVG hebben al vroeg gezorgd voor een aanhoudende vraag naar infrastructuur voor gegevensbeheer, die zich nu uitbreidt naar de domeinen MRO en activabeheer in sectoren als de chemische industrie, de automobielindustrie en de energiesector. Grand View Research EDM
Bedrijven in de regio Azië-Pacific stappen over op cloud-gebaseerd MDM om de implementatie te versnellen en de IT-kosten te verlagen. De industriële expansie in India, Zuidoost-Azië en Australië leidt tot versnipperde dataomgevingen op grote schaal.
Economieën met een sterk industriële sector die voor het eerst ERP-systemen invoeren, creëren al in een vroeger stadium van de ontwikkelingscurve vraag naar MDM dan hun westerse tegenhangers doorgaans deden. Inzichten in wereldwijde groei
Investeringen in de olie- en gassector zorgen ervoor dat de invoering van MDM in een snel tempo vordert. Grote nationale energiebedrijven in de Golfregio behoren tot de meest actieve pioniers op het gebied van AI-gebaseerde MRO-masterdataprogramma’s, gezien de omvang van hun activa en hun jaarlijkse inkoopuitgaven.
De programma’s voor industriële diversificatie in het kader van ‘Vision 2030’ zorgen voor een versnelling van de investeringen in data-infrastructuur in heel Saoedi-Arabië en de VAE. Onderzoek en markten
Niet alle MDM-segmenten groeien in hetzelfde tempo. Voor industriële bedrijven die moeten bepalen waar ze hun aandacht op richten, is de uitsplitsing per segment van belang. Het segment ‘Asset- en locatiegegevens’ – dat betrekking heeft op apparatuurhiërarchieën, reserveonderdelencatalogi en MRO-gegevens – is het snelst groeiende segment op basis van de CAGR.
De vraag naar diensten neemt snel toe, omdat de implementatie steeds complexer wordt naarmate organisaties meer domeinspecifieke programma’s in gebruik nemen. Bovendien winnen AI-native platforms in een steeds sneller tempo marktaandeel ten koste van traditionele, op regels gebaseerde MDM-tools.
Segment | Status 2024 | Groeisignaal | Bron |
Gegevens over activa en locaties | Het snelst groeiende MDM-gegevenstype | 13,81 TP3T CAGR tot 2035 | |
Cloudimplementatie | Dominant met een marktwaarde van ~75% | Voortdurende migratie vanuit on-premises-omgevingen | |
Implementatie en diensten | Sterke groei naarmate de complexiteit van het programma toeneemt | 14% CAGR tot 2035 | |
AI-geïntegreerde MDM-platforms | 54% van de nieuwe producten beschikten over AI-functies | Snel toenemende acceptatie | |
Gegevensbeheer in de olie- en gasindustrie | $27,3B in 2024 | $86B tegen 2034 met een CAGR van 12,3% | |
Productie-MDM | Vermindering van de redundantie van 37%-onderdelen met MDM | De ERP-migratiegolf versnelt de invoering | |
Door AI geïnitieerde MRO-inkoop | Eerste implementaties in 2024 | 50% van de MRO-aankopen die tegen 2028 door AI worden geïnitieerd |
Olie en gas: de gegevens achter de stilleggingen van $500K
In de olie- en gassector is de kloof tussen gegevenskwaliteit en operationele gevolgen het kleinst en het duurst. Een onderhoudswerkzaamheid die vier uur zou moeten duren, loopt uit tot drie dagen wanneer het onderhoudsteam de juiste gegevens over reserveonderdelen niet kan vinden of er geen vertrouwen in heeft.
In een raffinaderij of een productieomgeving in de upstream-sector brengt die vertraging kosten met zich mee die de meeste andere sectoren nooit hoeven te dragen.
Marktcontext
- Volgens Onderzoek en markten, De wereldwijde markt voor gegevensbeheer in de olie- en gasindustrie werd geschat op $27,3 miljard in 2024 en ligt op koers om $86 miljard tegen 2034, met een samengesteld jaarlijks groeipercentage (CAGR) van 12,31 TP3T. Dit is wereldwijd de grootste sectorspecifieke markt voor gegevensbeheer.
- De alleen al het upstream-segment (exploratie en boringen) is goed voor een 31% delen van de markt voor gegevensbeheer in de olie- en gasindustrie, wat de omvang weerspiegelt van seismische, ondergrondse en boorgegevens die gestructureerd beheer vereisen om operationeel bruikbaar te zijn.
- De Vereniging van Aardolie-ingenieurs heeft vastgelegd dat De meeste middelgrote tot grote olie- en gasbedrijven hebben het beheer van stamgegevens in feite nog niet aangepakt, in de veronderstelling dat de implementatie van een ERP-systeem op zich de onderliggende gegevensversnippering zou oplossen. In de praktijk nemen ERP-systemen deze versnippering over en houden ze deze in stand; ze lossen het probleem niet op.
Operationele gevolgen
- EY documenten die Stilstand in de olie-, gas- en chemische sector kan meer dan $500,000 per start-/stopgebeurtenis. Onvoorziene stilstanden als gevolg van ontbrekende of onjuiste gegevens over reserveonderdelen zorgen ervoor dat deze kosten zich bij meerdere voorvallen per jaar opstapelen.
- Door gebrekkige MRO-gegevens zien onderhoudsteams zich genoodzaakt nieuwe bestellingen te plaatsen voor onderdelen die al op voorraad zijn, maar onder een andere omschrijving staan. Als je de inventaris van dit patroon dubbel invoert, kan het systeem vastlopen $37M tot $52M aan werkkapitaal bij de gebruikelijke MRO-uitgaven van een grote olie- en gasmaatschappij, per Onderzoek van Verdantis.
10% Verwachte daling van de totale jaarlijkse MRO-uitgaven in de drie jaar na de implementatie ↗ Bron: EY US
- Uit een interne controle is gebleken dat er in het ERP-systeem van het bedrijf aanzienlijke hoeveelheden dubbele gegevens voorkomen, waarbij dezelfde onderdelen op verschillende locaties op meerdere manieren zijn geregistreerd
- Meer dan 100.000 datasets zijn verwerkt met behulp van AI-gestuurde software voor gegevensopschoning en standaardisatie
- Er is een materiaalstamgegevenssjabloon volgens de branche-standaard ontwikkeld en op alle vestigingen toegepast, voorzien van beheersregels om herhaling te voorkomen
- De resultaten omvatten onder meer een vermindering van dubbele voorraden, een verbeterde onderhandelingspositie ten opzichte van leveranciers en een verwachte besparing van 10% op de jaarlijkse MRO-uitgaven door het vermijden van kosten en het terugdringen van de vaste voorraad
Bij een typische olie- en gasoperator die jaarlijks $750M aan MRO uitgeeft, levert een verbetering van 10% over een periode van drie jaar een cumulatieve besparing op van $75M. Uit de EY-casestudy blijkt dat dit haalbaar is binnen één enkele MDM-implementatiecyclus, mits er systematisch gebruik wordt gemaakt van AI-gestuurde gegevensopschoning.
Mijnbouw: verouderde apparatuur, afgelegen locaties, geen opslagruimtes
De mijnbouw vormt een categorie op zich als het gaat om uitdagingen op het gebied van MRO-gegevens. Bij dagbouwactiviteiten zijn er geen magazijnen. Onderdelen en materialen moeten worden gevolgd via GPS-tags, telemetriegegevens en inventarisgegevens van apparatuur, die vaak verspreid zijn over verschillende systemen met beperkte connectiviteit met centrale ERP-platforms.
Bij ondergrondse activiteiten zijn er communicatiebeperkingen die leiden tot hiaten in de gegevens tussen de gebeurtenissen in het veld en wat er daadwerkelijk wordt geregistreerd.
En de meeste machines – transportvrachtwagens, draglines, brekers, SAG-molens – zijn enorm, duur en vaak al tientallen jaren oud.
Uitdagingen op het gebied van reserveonderdelen en bedrijfsmiddelengegevens
- Brancheonderzoek naar MRO-voorraadbeheer blijkt dat tussen 10 en 30% van de totale MRO-voorraad in mijnbouwbedrijven bestaat uit traaglopende of verouderde artikelen, waardoor de opslagkosten stijgen zonder dat dit enig voordeel oplevert voor de operationele dekking.
- Gartner voorspelt dat tegen 2028, 60% organisaties zal agentgebaseerde AI inzetten om operationele werkprocessen te stroomlijnen en autonome besluitvorming mogelijk te maken.
- McKinsey & Company merkt op dat industriële apparatuur zoals turbines, mijnbouwmachines en zware productiesystemen in gebruik kunnen blijven voor 30 jaar of meer, ook al hebben veel van hun interne onderdelen een veel kortere levensduur.
Dit zorgt voor voortdurende uitdagingen bij het inkopen van verouderde reserveonderdelen en dwingt organisaties er vaak toe om vervangende of gelijkwaardige onderdelen te zoeken om de bedrijfscontinuïteit te waarborgen.
Vervangingsonderdelen voor tientallen jaren oude mijnbouwapparatuur zijn slechts bij een beperkt aantal fabrikanten verkrijgbaar, waardoor het identificeren van commerciële equivalenten aan de hand van accurate materiaalstamgegevens niet alleen een kostenbesparende maatregel is, maar ook een vereiste voor de continuïteit van de bedrijfsvoering.
- Op IoT gebaseerde conditiebewaking van mijnbouwactiva, trillingsanalyse van transportbandmotoren, warmtebeeldmetingen aan breekmachines, belastingsgegevens van transportwagens, geeft alleen bruikbare onderhoudsmeldingen weer wanneer er wordt verwezen naar nauwkeurige apparatuurgegevens. Door inconsistenties in de activahiërarchieën tussen ERP- en CMMS-systemen worden waarschuwingen verkeerd doorgestuurd of gaan ze helemaal verloren, waardoor de investering in de monitoringtechnologie teniet wordt gedaan.
In de mijnbouwsector begint de businesscase voor MDM vaak met verouderde en moeilijk verkoopbare voorraad (10-30% aan voorraad) en het vinden van commerciële equivalenten voor verouderde OEM-onderdelen. Voor beide is een schone, verrijkte materiaalstam als uitgangspunt nodig. Zonder deze stam is het magazijn in feite niet controleerbaar.
Chemicaliën: wanneer slechte gegevens een veiligheidsrisico vormen
In de chemische en petrochemische sector hebben fouten in de stamgegevens gevolgen die verder reiken dan alleen inefficiëntie in de voorraadbeheer.
Een pompafdichting die op basis van een onvolledige of onjuiste materiaalbeschrijving is besteld, kan op papier weliswaar aan de functionele specificaties voldoen, maar in de praktijk tijdens het proces defect raken. In omgevingen met koolwaterstoffen of reactieve chemicaliën is dat geen inkoopfout. Het is een potentieel incident.
Gegevens inzake veiligheid en naleving
- Gartner stelde vast dat 49% van de inkoopmanagers zegt dat de gegevens van hun organisatie niet goed genoeg zijn om de huidige programma’s voor digitale transformatie te ondersteunen. In de chemische sector, waar inkoopgegevens onder meer veiligheidsclassificaties, codes voor gevaarlijke stoffen en kenmerken inzake procescompatibiliteit omvatten, leiden ontbrekende gegevens tot directe risico’s op het gebied van regelgeving.
- IBM Institute for Business Value projecten die Bedrijven die AI-gestuurde inkoop toepassen, zullen een 36% verbetering van de nalevingscontrole tegen 2027. In de chemische sector vertaalt zich dit direct in een betere handhaving van de materiaalspecificaties op het moment dat de inkooporder wordt aangemaakt.
- In een gedocumenteerde MDM-implementatie bij een wereldwijd opererende chemiefabrikant, meer dan 100,000 niet-geharmoniseerde materiaalgegevens zijn in meerdere talen samengevoegd tot één wereldwijde taxonomie, waarbij AI de namen van fabrikanten analyseert, ontbrekende kenmerken aanvult en duplicaten in regionale ERP-systemen verwijdert. (Bron: Casestudy over Verdantis)
Inkoop en uitgavenbeheersing
- BCG heeft vastgesteld dat OEM-onderdelen van eigen makelij omvatten 40 tot 70% van machinevervangingen in chemische fabrieken, afkomstig van één leverancier met beperkte onderhandelingsruimte. Dankzij beter specificatiebeheer via MDM zijn alternatieve inkoopbronnen mogelijk, wat een kostenbesparing van 5-20% in deze categorie oplevert.
- Wanneer leveranciersgegevens inconsistent zijn en dubbel voorkomen, kunnen organisaties niet meer overzien wat de totale uitgaven bij een bepaalde leverancier bedragen. Door leveranciersstamgegevens op een consistente manier te consolideren, worden ongeoorloofde uitgaven steeds meer verplaatst van 40% in de richting van 25% van de totale MRO-uitgaven, waardoor contractuele onderhandelingsruimte wordt ontsloten die voorheen onzichtbaar was.
- EY Uit een simulatie bij een MRO-activiteit met een $1B-uitgavenpatroon en een contractdekking van 80% blijkt dat een strak gegevensbeheer zorgt voor een mogelijkheid tot een netto kostenbesparing op jaarbasis van $ 19,8 miljoen alleen al door rationalisering van de inkoop.
In de chemische sector dienen de MDM-beheersregels, die bij het aanmaken van records verplichte veiligheids- en compatibiliteitskenmerken afdwingen, twee doelen tegelijk: ze verlagen de inkoopkosten door een betere consolidatie van leveranciers en ze sluiten het gegevenspad af waardoor vervangingen door gevaarlijke stoffen kunnen plaatsvinden. Dit zijn geen afzonderlijke voordelen. Ze vloeien voort uit dezelfde beheersinfrastructuur.
Productie: MRO-chaos, ERP voor meerdere fabrieken, het $20M-voorraadverhaal
De productiesector bestrijkt hier een breder terrein dan welke andere categorie dan ook, van toeleveranciers in de automobielindustrie tot cementproducenten en productielijnen voor voedselverpakkingen.
Wat ze gemeen hebben, is een voorspelbaar patroon van gegevensverslechtering: bij elke overname komt er een nieuw ERP-systeem bij, bij elke nieuwe vestiging komt er een nieuw team bij met andere naamgevingsgewoonten, en na een paar jaar bevat de materiaalcatalogus vier vermeldingen voor hetzelfde lager en weet niemand meer zeker welke daarvan overeenkomt met de huidige inkoopovereenkomsten.
Voorraad en werkkapitaal
- Uit het onderzoek van Deloitte naar de productiesector in 2025 bleek dat bijna 70% van de fabrikanten gegevenskwaliteit, contextualisering en validatie aanmerken als de grootste obstakels voor de implementatie van AI – wat eigenlijk gewoon een andere manier is om te zeggen dat beslissingen over voorraadbeheer en inkoop op giswerk berusten wanneer de stamgegevens niet zijn opgeschoond. (Bron: Deloitte Manufacturing Trends 2025)
- Uit de analyse van McKinsey uit 2024 over AI in industriële processen bleek dat de integratie van AI-gestuurd voorraadbeheer leidt tot een verlaging van de voorraadniveaus met 20 tot 30%, naast besparingen op inkoopkosten van 5 tot 15%. Deze cijfers zijn afkomstig van bedrijfsactiviteiten waarbij de onderliggende materiaalgegevens voldoende schoon waren om door de AI te worden verwerkt. Dat is het aspect dat zelden in de krantenkoppen wordt vermeld. (Bron: McKinsey, De kracht van AI benutten in distributieprocessen, 2024)
Gevolgen voor onderhoud en beschikbaarheid
- McKinsey stelde vast dat voorspellende onderhoudsprogramma's met vooraf ingestelde gegevensbeheerregels zorgen voor 1,8x meer ROI dan bedrijven die geen basis van stamgegevens aanleggen. Dit is wellicht het meest bruikbare cijfer voor fabrikanten die momenteel investeringen in conditiebewaking plannen.
- McKinsey toont ook aan dat Digitaal werkorderbeheer verlaagt de kosten van geplande stilstand met 15 tot 30%, maar alleen als de onderliggende apparatuurhiërarchie en de gegevens over reserveonderdelen betrouwbaar genoeg zijn om een nauwkeurige planning mogelijk te maken.
- MarketReportsWorld meldt dat fabrikanten met volwassen MDM-programma’s zien een 37% gedeeltelijke afbouw van overtollige personeelsleden binnen hun leveranciersnetwerken, waardoor zowel de complexiteit van de inkoop als de voorraadkosten direct worden verminderd.
- Onderzoek van McKinsey blijkt dat elke $1 in de voorraad van kritieke reserveonderdelen biedt bescherming $7 in de dekkingsbijdrage. De conclusie: de kwaliteit van de gegevens over reserveonderdelen is geen probleem voor de kostenafdeling. Het is een strategie om de omzet te beschermen.
ERP-migratie als drijvende kracht
- De MDM-marktanalyse van Mordor Intelligence voor 2025 bleek dat S/4HANA-projecten in een vroeg stadium, waarbij MDM vanaf het begin was geïntegreerd, de doorlooptijd van de overgang aanzienlijk verkortten en de complexiteit van het systeem aanzienlijk verminderden.
De belangrijkste aanleiding voor investeringen in MDM in de productiesector is op dit moment de migratie naar SAP S/4HANA. Een goed geïmplementeerd MDM-programma kan zich binnen 6 tot 12 maanden terugverdienen in de productiesector, voornamelijk door middel van voorraadrationalisatie en besparingen op de inkoop die tijdens de opschoning in het kader van de migratie zijn gerealiseerd.
- Deloitte identificeert onbetrouwbare gegevens als de belangrijkste projectkiller voor industriële digitale transformatieprogramma’s, waarbij bij succesvolle programma’s ongeveer 25% van het totale projectbudget wordt besteed aan het opschonen en integreren van gegevens.
Bij de $20M-inventarisatie van Verusen gaat het niet om uitzonderlijke omstandigheden. Het gaat om wat zichtbaar wordt wanneer versnipperde SAP-instanties worden samengebracht tot één gededupliceerd overzicht. De inventaris was er altijd al. De gegevens hielden deze alleen verborgen. Dat patroon herhaalt zich bij vrijwel elke MDM-implementatie waarbij meerdere vestigingen betrokken zijn.
Voeding en dranken: de eigenschap die ervoor zorgt dat een terugroepactie wordt voorkomen
Bij de productie van voedingsmiddelen en dranken gelden strenge toleranties. Stilstand van apparatuur verstoort de productieschema’s die zijn afgestemd op bederfelijke grondstoffen. Het vervangen van ingrediënten heeft gevolgen voor de naleving van de regelgeving.
En het beheren van meer dan 2 miljoen SKU’s in verschillende regio’s met uiteenlopende talen, etiketteringsvoorschriften en naamgevingsconventies voor leveranciers leidt tot een complexiteit op het gebied van gegevens waarmee de meeste andere sectoren nooit te maken krijgen. De juridische gevolgen van fouten op dit gebied zijn ernstig.
Gegevens inzake naleving en veiligheid
- In productielijnen voor voedselverwerking worden pompen, afdichtingen en smeermiddelen gebruikt die, voor toepassingen waarbij ze in contact komen met het product, gecertificeerd moeten zijn als geschikt voor levensmiddelen volgens FSMA en FALCPA raamwerken. Zonder door MDM afgedwongen verplichte kenmerken bij het aanmaken van een record is er geen controle op systeemniveau die voorkomt dat een niet-conforme component wordt besteld en geïnstalleerd bij een toepassing waarbij het product in contact komt met het materiaal.
- In een gedocumenteerde implementatie op het gebied van F&B, een fabrikant heeft via MDM-beheerregels verplichte „Food-Grade“-kenmerken opgelegd voor alle pomponderdelen. Bestelfouten die hadden kunnen leiden tot besmettingsincidenten, productterugroepingen en onderzoeken door toezichthouders werden op gegevensniveau uitgebannen, voordat ze de productievloer konden bereiken.
- Voedselproductie merkt op dat bedrijven, zodra MDM is geïmplementeerd, precies vaststellen welke partijen bij een terugroepactie betrokken zijn en een gerichte terugroepactie uitvoeren in plaats van een algemene. Het financiële verschil tussen een gerichte en een brede terugroepactie kan al snel oplopen tot tientallen miljoenen dollars aan teruggehaalde producten en vermeden afschrijvingen.
Operationele schaal en technologie-implementatie
- Het rapport ‘Horizons 2024’ van CRB over de productie van voedingsmiddelen en dranken stelde vast dat 48% van de producenten van voedingsmiddelen en dranken investeren nu in automatisering, wat allemaal schone stamgegevens vereist als voorwaarde voor integratie op machineniveau met ERP-systemen.
- De Food and Beverage Monitor van RSM meldt dat 68% van de voedselproducenten was van plan de investeringen in technologie te verhogen in hun meest recente boekjaar, waarbij gegevensintegratie werd genoemd als een van de grootste belemmeringen voor het behalen van het verwachte rendement op die investering.
- Wereldwijde F&B-bedrijven die in meerdere landen actief zijn, staan voor een uitdaging op het gebied van meertalige stamgegevens. Implementaties die betrekking hebben op Meer dan 2 miljoen SKU's verspreid over 8 regio’s en 12 talen zijn voltooid met behulp van AI-gestuurde MDM, waarbij automatische vertaling, classificatie en normalisatie zijn toegepast – processen die voorheen jarenlang handmatig werk van het datateam vereisten.
In de voedings- en drankenindustrie omvat de businesscase voor MDM een risicodimensie die in de meeste ROI-berekeningen niet aan bod komt: het vermijden van terugroepkosten. Eén enkele grootschalige terugroepactie – die dankzij de door MDM gestuurde traceerbaarheid van partijen tot een gerichte terugroepactie had kunnen worden beperkt – brengt vaak een groter financieel risico met zich mee dan de totale kosten van een MDM-implementatie.
Energie en bouwmaterialen: verouderde infrastructuur, lange levensduur van activa, gegevens na fusies
Energiebedrijven en fabrikanten van bouwmaterialen hebben een structureel kenmerk gemeen met andere kapitaalintensieve sectoren: hun operationele gegevens zijn net zo geografisch verspreid als hun fysieke activa.
Voor een transmissie- en distributienetwerk betekent dit dat er transformatoren en schakelapparatuur zijn geïnstalleerd die 30 tot 40 jaar geleden zijn geproduceerd door fabrikanten die mogelijk niet meer bestaan.
Voor een cement- of glasproducent betekent dit dat de ovens en molens in een continu proces 24 uur per dag draaien, waarbij er zeer weinig ruimte is voor ongeplande stilstanden.
Gegevens over energie en nutsvoorzieningen
- Smart Grid-systemen hebben nauwkeurige, realtime gegevens over de installaties nodig om te kunnen functioneren. Om de verouderde T&D-infrastructuur aan te pakken en tegelijkertijd nieuwe nettechnologieën in te voeren, is een betrouwbaar apparatuurregister nodig. Wereld Economisch Forum merkt op dat de moderne exploitatie van elektriciteitsnetten in hoge mate afhankelijk is van hoogwaardige gegevens over activa en infrastructuur ter ondersteuning van de betrouwbaarheid, de onderhoudsplanning en de invoering van nieuwe technologieën.
- ESG-rapportage ontpopt zich als een nieuwe toepassing van MDM in de energiesector. MarketReportsWorld meldt dat meer dan 1,300 In 2024 maakten internationale ondernemingen gebruik van MDM om ESG-gerelateerde gegevens te beheren, het bijhouden van CO₂-cijfers, risico’s in de toeleveringsketen en de inkoop van materialen in het kader van wettelijke rapportageverplichtingen.
- Gartner projecten die 86% minder spoedzendingen per luchtvracht zich voordoen bij organisaties met leveranciersportalen die zijn geïntegreerd met schone stamgegevens, waardoor de kosten voor noodinkoop direct worden verlaagd bij nutsbedrijven en energiebedrijven, waar storingen aan activa op afstand zorgen voor een snelle druk om nieuwe leveranciers te vinden.
Bouwmaterialen
- Bedrijven in de bouwmaterialensector – zoals cement, glas, aggregaat en dakbedekkingsmaterialen – hebben het afgelopen decennium een aanzienlijke consolidatie door fusies en overnames doorgemaakt. Het op elkaar afstemmen van gegevens na een overname is een dringende operationele noodzaak: synergieën op het gebied van inkoop binnen een samengevoegde entiteit zijn onhaalbaar als beide bedrijfsonderdelen hetzelfde onderdeel onder verschillende namen bij verschillende leveranciers tegen verschillende prijzen inkopen, zonder dat er een systeem is om de overlappingen in kaart te brengen.
- Bij de productie van bouwmaterialen via een continu proces, één enkele onvoorziene stilstand van een oven of molen kan honderdduizenden dollars aan productieverlies en energiekosten voor het opnieuw opstarten kosten. De kwaliteit van de gegevens over reserveonderdelen, en met name de beschikbaarheid van correcte, uitgebreide onderdelenrecords die zijn gekoppeld aan nauwkeurige apparatuurhiërarchieën, draagt in deze omgevingen rechtstreeks bij aan de betrouwbaarheid van het onderhoud.
Zowel bij energieleveranciers als bij bouwmaterialen wordt een investering in MDM meestal ingegeven door een van de volgende twee gebeurtenissen: een Smart Grid- of digitaal infrastructuurprogramma dat niet kan functioneren zonder betrouwbare activagegevens, of een integratie na een overname waarbij blijkt hoe onverenigbaar de overgenomen gegevensomgevingen in werkelijkheid zijn. In beide gevallen is MDM de praktische oplossing, en geen optionele verbetering.
Wat MDM daadwerkelijk oplevert: resultaten uit verschillende sectoren
De cijfers over de resultaten van MDM in kapitaalintensieve sectoren zijn voornamelijk afkomstig uit casestudies van leveranciers, onafhankelijke onderzoeksbureaus en analyses van adviesbureaus na afloop van projecten. Het is goed om daar open over te zijn. De onderstaande cijfers geven de resultaten weer van implementaties die zijn afgerond en gemeten.
Ze geven weer wat haalbaar is, niet wat gegarandeerd is. Dat gezegd hebbende, is het patroon dat zich in meerdere onafhankelijke bronnen aftekent consistent genoeg om betekenisvol te zijn.
Productiviteits- en efficiëntieverbeteringen
- Gartner uit benchmarks blijkt dat een 20% gemiddelde verbetering van de nauwkeurigheid van de gegevens en een 15% gemiddelde toename van de organisatorische efficiëntie voor organisaties die MDM-oplossingen implementeren. Dit zijn geaggregeerde cijfers; bedrijven met veel activa die vanuit een meer gefragmenteerde uitgangssituatie beginnen, boeken doorgaans grotere verbeteringen.
- MarketReportsWorld verslagen 67% snellere besluitvormingscycli bij organisaties met volwassen MDM-programma’s, wat te danken is aan het feit dat er betrouwbare gegevens uit één bron beschikbaar zijn op het moment dat operationele beslissingen worden genomen, in plaats van dat er handmatig tussen systemen moet worden afgestemd.
Inkoop en uitgavenbeheersing
- BCG heeft vastgelegd hoe een staalfabrikant de MRO-uitgaven met 10% en het transactievolume per 25% door middel van een geoptimaliseerde planning van reserveonderdelen en catalogusbeheer, in combinatie met een 15%: verbetering van de voorraadniveaus van reserveonderdelen dankzij betere voorraadbeheerpraktijken die mogelijk worden gemaakt door betrouwbare gegevens.
- Verlaging van de noodluchtvracht met 86% bij organisaties met geïntegreerde leveranciersportalen en correcte stamgegevens (Gartner). Spoedvracht is een van de duurste posten binnen de industriële MRO-inkoop en een van de posten die het meest rechtstreeks te wijten zijn aan gebrekkige gegevens over de beschikbaarheid van onderdelen.
Resultaat | Resultaat | Bron |
Verbetering van de nauwkeurigheid van gegevens | +20% gemiddeld | Gartner |
Toename van de organisatorische efficiëntie | +15% gemiddeld | Gartner |
Besparingen op MRO-uitgaven over een periode van 3 jaar (O&G) | ~10% aan jaarlijkse uitgaven | EY-casestudy |
Vrijgekomen werkkapitaal door voorraadherziening | 8–12%-reductie | Bain |
Noodmaatregel ter vermindering van het vrachtvervoer | 86% minder luchtvracht | Gartner 2025 |
ROI-vermenigvuldigingsfactor voor preventief onderhoud | 1,8x dankzij databeheer | McKinsey 2024 |
Vermindering van de redundantie van onderdelen | 37% binnen leveranciersnetwerken | MarketReportsWorld |
Vermindering van stilstandtijd dankzij betrouwbare gegevens over reserveonderdelen | Verbetering van 50% | Verdantis Research |
Het patroon is in alle bronnen consistent: het snelste financiële rendement van MDM in kapitaalintensieve sectoren wordt behaald door rationalisatie van de MRO-voorraad (weken tot maanden), gevolgd door beheer van inkoopuitgaven (maanden) en vervolgens door verbetering van de onderhoudsbetrouwbaarheid (12-18 maanden). Deze drie resultaten worden mogelijk gemaakt door dezelfde onderliggende capaciteit: schone, verrijkte en beheerde materiaal- en activastamgegevens.
AI-gebaseerd MDM in 2026: wat is er nu eigenlijk anders?
De allerbelangrijkste verandering op het gebied van industriële MDM in de afgelopen twee jaar is de drastische verkorting van de time-to-value. A Materiaalstam met 200.000 records Normalisatie, waarvoor vroeger 18 maanden handmatig werk nodig was, wordt nu binnen enkele weken voltooid dankzij AI-gestuurde gegevensverrijking en ontdubbeling.
Die verandering maakt een heel ander soort businesscase mogelijk, omdat hiermee het belangrijkste bezwaar tegen investeringen in MDM bij de meeste industriële organisaties wordt weggenomen: „het bedrijf heeft daar geen tijd voor.”
Specifieke AI-mogelijkheden die industriële MDM veranderen
- Automatische aanvulling van materiaalgegevens: AI-modellen die zijn getraind op basis van industriële materiaalgegevens kunnen ontbrekende specificaties opsporen, verwijzingen naar catalogi van fabrikanten leggen en hiaten in de kenmerken aanvullen, zonder dat een mens elk record afzonderlijk hoeft te onderzoeken. Een catalogus met 40% onvolledige records kan binnen enkele weken realistisch gezien een volledigheid van 90%+ bereiken.
- Harmonisatie in meerdere talen: AI-tools voor vertaling en classificatie maken realtime afstemming van materiaalgegevens tussen verschillende talen mogelijk. Dit is van cruciaal belang voor internationale bedrijven in de chemische sector, de voedings- en drankenindustrie en de productiesector die in tien of meer landen meertalige ERP-omgevingen gebruiken.
- Vervangende onderdelen en het vinden van commerciële equivalenten: AI vergelijkt materiaalgegevens met actuele leverancierscatalogi om automatisch functionele equivalenten te vinden voor verouderde of moeilijk te verkrijgen onderdelen. In de mijnbouw en bij verouderde productie-installaties voorkomt deze functie direct ongeplande stilstand als gevolg van leveringsproblemen bij OEM’s.
- Zelfregulerend, continu bestuur: Moderne AI-native platforms functioneren als systemen voor continu beheer: ze leren van voorraadactiviteiten, aankoopgeschiedenis en gebruikspatronen om de gegevenskwaliteit te handhaven zonder dat er periodieke handmatige controles nodig zijn. De gegevens blijven schoon omdat het platform afwijkingen in realtime detecteert en corrigeert.
De organisaties die nu zorgen voor overzichtelijke en goed beheerde materiaalstambestanden, zullen in 2026 en 2027 een structureel voordeel hebben wanneer door AI aangestuurde MRO-inkoop, voorspellend onderhoud en autonome inkoopworkflows de norm worden. De gegevensbasis is geen technologieproject. Het is een voorwaarde voor alles wat daarna komt.
Hoe Verdantis MDM aanpakt in sectoren met veel vaste activa
Verdantis is speciaal ontwikkeld om de uitdagingen op het gebied van gegevens aan te pakken waarmee bedrijven in de productie, de olie- en gassector, de mijnbouw, de chemische industrie, de voedingsmiddelen- en drankenindustrie en de energiesector te maken hebben. Dat omvat MRO-gegevens, catalogi met reserveonderdelen, apparatuurhiërarchieën, leveranciersgegevens en de omgevingen met meerdere fabrieken en meerdere ERP-systemen die kenmerkend zijn voor deze sectoren.
Het platform combineert AI-gestuurde gegevensverrijking met doorlopend beheer, waardoor wordt voorkomen dat de gegevens na de eerste standaardisatie weer versnipperd raken.
Verdantis introduceert Agentic AI in Masterdatabeheer, waarbij we verder gaan dan eenmalige opschoningsprojecten en overstappen op autonome, zelflerende systemen die de kwaliteit van de stamgegevens voortdurend bewaken, verrijken en beheren – zonder dat er permanente handmatige tussenkomst nodig is om dit in stand te houden.
Specifieke AI-mogelijkheden die industriële MDM veranderen
AI-agenten analyseren ongestructureerde bronnen, waaronder handleidingen van apparatuur, facturen van leveranciers, specificatiebladen, tekeningen en OEM-documenten, waardoor handmatige gegevensinvoer en de daarmee gepaard gaande fouten worden voorkomen.
De geëxtraheerde gegevens worden automatisch geclassificeerd en aangevuld aan de hand van geverifieerde bronnen, catalogi van fabrikanten en sectorale taxonomieën, waaronder UNSPSC en eClass. De nauwkeurigheid neemt tussen de handmatige controlecycli door voortdurend toe in plaats van af te nemen.
Agenten signaleren dubbele records, zien toe op de naleving van verplichte attribuutregels voordat nieuwe records worden goedgekeurd, identificeren verouderde onderdelen en doen aanbevelingen voor de afhandeling daarvan, en zetten het zoeken naar alternatieve leveranciers in gang wanneer voorkeursleveranciers niet beschikbaar zijn of de levertijden onaanvaardbaar zijn.
Het platform leert in realtime van aankoopgeschiedenis, verbruikspatronen, storingen en voorraadbewegingen.
De visbestandsparameters worden bijgewerkt om de feitelijke operationele situatie weer te geven, in plaats van de oorspronkelijke schattingen die jaren geleden zijn vastgesteld en sindsdien nooit meer zijn herzien.
Kernproducten en agenten voor activiteiten met veel activa
AI-gestuurde normalisatie en ontdubbeling van materiaalstamgegevens in ERP- en CMMS-systemen.
Geautomatiseerd, continu toezicht waarbij regels voor gegevenskwaliteit worden gehandhaafd op het moment dat gegevens worden vastgelegd.
Beoordeling van de kriticiteit van reserveonderdelen, AI-prognoses en inzicht in de voorraad van meerdere fabrieken.
Webgebaseerde AI-verrijking waarmee ontbrekende kenmerken uit gegevens van fabrikanten en sectorale taxonomieën worden aangevuld
Detectie van veroudering en aanbeveling van commerciële vervangingsonderdelen voor verouderde OEM-onderdelen
Meertalige vertaling en harmonisatie voor wereldwijde implementaties in meerdere fabrieken
Platformintegratie en informatie over reserveonderdelen
Verdantis kan rechtstreeks worden geïntegreerd met toonaangevende ERP- en EAM-platforms, waardoor wordt gegarandeerd dat de stamgegevens consistent en foutloos worden doorgegeven tussen onderhouds-, voorraad- en inkoopsystemen, zonder dat de bestaande infrastructuur hoeft te worden vervangen.
Naast integratie biedt Verdantis geavanceerde informatie over reserveonderdelen: detectie van verouderde onderdelen om leveringsrisico’s proactief te identificeren, beoordeling van de kriticiteit om prioriteit te geven aan activa en reserveonderdelen met grote impact, identificatie van commerciële equivalenten om de afhankelijkheid van OEM’s te verminderen, en geoptimaliseerde voorraadstrategieën die zijn afgestemd op de kriticiteit van activa en daadwerkelijke verbruiksgegevens.
